A Machine Learning Studio (klasszikus) modulkivételeket hibaelhárítása hibakódokkal

Fontos

A (klasszikus) Machine Learning Studio támogatása 2024. augusztus 31-én megszűnik. Javasoljuk, hogy addig térjen át az Azure Machine Learning használatára.

2021. december 1-től kezdve nem fog tudni létrehozni új (klasszikus) Machine Learning Studio-erőforrásokat. 2024. augusztus 31-ig továbbra is használhatja a meglévő (klasszikus) Machine Learning Studio-erőforrásokat.

• A gépi tanulási projektek ML Studióból (klasszikus) Azure Machine Learning való áthelyezéséről olvashat.
• További információ a Azure Machine Learning.

A (klasszikus) ML Studio dokumentációjának kivezetése folyamatban van, és a jövőben nem várható a frissítése.

Ismerje meg azokat a hibaüzeneteket és kivételkódokat, amelyekkel a Machine Learning Studio (klasszikus) moduljaiban találkozhat.

A probléma megoldásához keresse meg a cikkben szereplő hibát, és olvassa el a gyakori okokat. A (klasszikus) Studióban kétféleképpen lehet lekérni a hibaüzenetek teljes szövegét:

• Kattintson a jobb oldali panelen a kimeneti napló megtekintése hivatkozásra, és görgessen az aljára. A részletes hibaüzenet az ablak utolsó két sorában jelenik meg.

• Válassza ki a hibát tartalmazó modult, és kattintson a piros X-ra. Csak a vonatkozó hibaszöveg jelenik meg.

Ha a hibaüzenet szövege nem hasznos, küldjön nekünk információt a környezetről, valamint a kívánt kiegészítésekről vagy módosításokról. Küldhet visszajelzést a hibatémakörről, vagy látogasson el a Machine Learning Studio (klasszikus) fórumára, és tegyen fel egy kérdést.

0001-s hiba

Kivétel akkor fordul elő, ha egy vagy több megadott adathalmaz-oszlop nem található.

Ez a hiba akkor jelenik meg, ha egy modulhoz oszlopkijelölést végez, de a kijelölt oszlop(ok) nem léteznek a bemeneti adatkészletben. Ez a hiba akkor fordulhat elő, ha manuálisan beírt egy oszlopnevet, vagy ha az oszlopválasztó olyan javasolt oszlopot adott meg, amely nem létezett az adathalmazban a kísérlet futtatásakor.

Felbontás: Tekintse meg újra a kivételt okozó modult, és ellenőrizze, hogy az oszlopnév vagy -nevek helyesek-e, és hogy az összes hivatkozott oszlop létezik-e.

Kivételüzenetek
Egy vagy több megadott oszlop nem található
A "{0}" nevű vagy indexelt oszlop nem található
A "{0}" nevű vagy indexelt oszlop nem létezik a "{1}" fájlban

0002-s hiba

Kivétel akkor fordul elő, ha egy vagy több paraméter nem elemezhető vagy konvertálható a megadott típusból a célmetódus típusa által megköveteltre.

Ez a hiba akkor fordul elő Machine Learning, ha bemenetként ad meg egy paramétert, és az érték típusa eltér a várt típustól, és az implicit konverzió nem hajtható végre.

Felbontás: Ellenőrizze a modul követelményeit, és határozza meg, hogy melyik értéktípusra van szükség (sztring, egész szám, dupla stb.)

Kivételüzenetek
Nem sikerült elemezni a paramétert
Nem sikerült elemezni a "{0}" paramétert
Nem sikerült elemezni (konvertálni) a "{0}" paramétert "{1}" értékre
Nem sikerült átalakítani a "{0}" paramétert "{1}" értékről "{2}" értékre
Nem sikerült átalakítani a "{0}{1}" paraméterértéket "" értékről "{3}{2}" értékre
Nem sikerült átalakítani a "" oszlopban lévő "{0}{1}" értéket "" értékről "{2}{3}" értékre a megadott "{4}" formátum használatával

0003-os hiba

Kivétel akkor fordul elő, ha egy vagy több bemenet null értékű vagy üres.

Ez a hiba akkor jelenik meg Machine Learning, ha egy modul bármely bemenete vagy paramétere null értékű vagy üres. Ez a hiba például akkor fordulhat elő, ha nem adott meg értéket egy paraméterhez. Ez akkor is előfordulhat, ha hiányzó értékeket tartalmazó adathalmazt vagy üres adathalmazt választ.

Megoldás:

• Nyissa meg a kivételt okozó modult, és ellenőrizze, hogy minden bemenet meg van-e adva. Győződjön meg arról, hogy minden szükséges bemenet meg van adva.
• Győződjön meg arról, hogy az Azure Storage-ból betöltött adatok elérhetők, és hogy a fiók neve vagy kulcsa nem módosult.
• Ellenőrizze a bemeneti adatokat, hogy hiányoznak-e értékek vagy null értékek.
• Ha egy adatforráson lekérdezést használ, ellenőrizze, hogy az adatok a várt formátumban vannak-e visszaadva.
• Ellenőrizze, hogy vannak-e elírások vagy egyéb változások az adatok specifikációjában.

Kivételüzenetek
Egy vagy több bemenet null értékű vagy üres
A "{0}" bemenet null értékű vagy üres

0004-s hiba

Kivétel akkor fordul elő, ha a paraméter kisebb vagy egyenlő egy adott értékkel.

Ez a hiba Machine Learning jelenik meg, ha az üzenetben szereplő paraméter az adatok feldolgozásához szükséges határérték alatt van.

Felbontás: Nyissa meg újra a modult, és módosítsa úgy a paramétert, hogy nagyobb legyen a megadott értéknél.

Kivételüzenetek
A paraméternek nagyobbnak kell lennie a határértéknél.
A "{0}" paraméter értékének nagyobbnak kell lennie, mint {1}.
A "{0}" paraméter értéke "{1}", amelynek nagyobbnak kell lennie, mint {2}

0005-ös hiba

Kivétel akkor fordul elő, ha a paraméter kisebb egy adott értéknél.

Ez a hiba Machine Learning jelenik meg, ha az üzenetben szereplő paraméter az adatok feldolgozásához szükséges határérték alatt vagy annál egyenlő.

Felbontás: Térjen vissza a modulhoz, és módosítsa a paramétert a megadott értéknél nagyobb vagy egyenlő értékre.

Kivételüzenetek
A paraméternek a határértéknél nagyobbnak vagy egyenlőnek kell lennie.
A "{0}" paraméter értékének nagyobbnak vagy egyenlőnek kell lennie.{1}
A "{0}" paraméter értéke "{1}", amelynek nagyobbnak vagy egyenlőnek {2}kell lennie.

0006-os hiba

Kivétel akkor fordul elő, ha a paraméter nagyobb vagy egyenlő a megadott értékkel.

Ez a hiba Machine Learning jelenik meg, ha az üzenetben szereplő paraméter nagyobb vagy egyenlő az adatok feldolgozásához szükséges határértékkel.

Felbontás: Térjen vissza a modulhoz, és módosítsa úgy a paramétert, hogy az kisebb legyen a megadott értéknél.

Kivételüzenetek
A paraméterek nem egyeznek. Az egyik paraméternek kisebbnek kell lennie, mint egy másiknak.
A "{0}" paraméter értékének kisebbnek kell lennie, mint a "{1}" paraméter értéke.
A "{0}" paraméter értéke "{1}", amelynek kisebbnek kell lennie, mint {2}.

0007-s hiba

Kivétel akkor fordul elő, ha a paraméter nagyobb egy adott értéknél.

Ez a hiba Machine Learning akkor jelenik meg, ha a modul tulajdonságaiban az engedélyezettnél nagyobb értéket adott meg. Megadhat például egy olyan adatot, amely kívül esik a támogatott dátumok tartományán, vagy azt is jelezheti, hogy öt oszlop használható, ha csak három oszlop érhető el.

Ez a hiba akkor is előfordulhat, ha két adathalmazt ad meg, amelyeknek valamilyen módon egyeznie kell. Ha például oszlopokat nevez át, és index alapján adja meg az oszlopokat, a megadott nevek számának meg kell egyeznie az oszlopindexek számával. Egy másik példa lehet egy matematikai művelet, amely két oszlopot használ, ahol az oszlopoknak ugyanannyi sorból kell lenniük.

Megoldás:

• Nyissa meg a kérdéses modult, és tekintse át az esetleges numerikus tulajdonságbeállításokat.
• Győződjön meg arról, hogy a paraméterértékek a tulajdonság támogatott értéktartományán belülre esnek.
• Ha a modul több bemenetet is használ, győződjön meg arról, hogy a bemenetek mérete azonos.
• Ha a modul több beállítható tulajdonsággal is rendelkezik, győződjön meg arról, hogy a kapcsolódó tulajdonságok megfelelő értékekkel rendelkeznek. Ha például csoportadatokat használ a intervallumokba, ha egyéni intervallumszéleket ad meg, a intervallumok számának meg kell egyeznie a intervallumhatárként megadott értékekkel.
• Ellenőrizze, hogy megváltozott-e az adathalmaz vagy az adatforrás. Előfordulhat, hogy az adatok egy korábbi verziójával dolgozó érték meghiúsul, miután az oszlopok száma, az oszlop adattípusai vagy az adatok mérete megváltozott.

Kivételüzenetek
A paraméterek nem egyeznek. Az egyik paraméternek kisebbnek vagy egyenlőnek kell lennie egy másiknál.
A "{0}" paraméter értékének kisebbnek vagy egyenlőnek kell lennie a "{1}" paraméter értékénél.
A "{0}" paraméter értéke "{1}", amelynek kisebbnek vagy egyenlőnek kell lennie.{2}

0008-os hiba

Kivétel akkor fordul elő, ha a paraméter nincs a tartományban.

Ez a hiba Machine Learning jelenik meg, ha az üzenetben szereplő paraméter kívül esik az adatok feldolgozásához szükséges korlátokon.

Ez a hiba például akkor jelenik meg, ha sorok hozzáadása használatával próbál egyesíteni két, eltérő számú oszlopot tartalmazó adathalmazt.

Felbontás: Nyissa meg újra a modult, és módosítsa a paramétert úgy, hogy a megadott tartományon belül legyen.

Kivételüzenetek
A paraméter értéke nem szerepel a megadott tartományban.
A "{0}" paraméter értéke nem a tartományban van.
A "{0}" paraméter értékének{1} [, {2}].

0009-s hiba

Kivétel akkor fordul elő, ha az Azure Storage-fiók neve vagy tárolóneve helytelenül van megadva.

Ez a hiba a (klasszikus) Machine Learning Studióban fordul elő, amikor paramétereket ad meg egy Azure-tárfiókhoz, de a név vagy a jelszó nem oldható fel. A jelszavak vagy fióknevek hibáinak számos oka lehet:

• A fiók típusa nem megfelelő. Egyes új fióktípusok nem támogatottak a Machine Learning Studio (klasszikus) használatához. Részletekért tekintse meg az Adatok importálása című témakört.
• Helytelen fióknevet adott meg
• A fiók már nem létezik
• A tárfiók jelszava helytelen vagy megváltozott
• Nem adta meg a tároló nevét, vagy a tároló nem létezik
• Nem adta meg teljesen a fájl elérési útját (a blob elérési útját)

Megoldás:

Ilyen problémák gyakran akkor fordulnak elő, ha manuálisan próbálja meg megadni a fiók nevét, jelszavát vagy tároló elérési útját. Javasoljuk, hogy használja az új varázslót az Adatok importálása modulhoz, amely segít a nevek keresésében és ellenőrzésében.

Azt is ellenőrizze, hogy törölték-e a fiókot, a tárolót vagy a blobot. Egy másik Azure Storage-segédprogrammal ellenőrizze, hogy a fióknév és a jelszó helyesen lett-e megadva, és hogy létezik-e a tároló.

A Machine Learning egyes újabb fióktípusokat nem támogat. Az új "gyakori" vagy "ritka elérésű" tárolótípusok például nem használhatók gépi tanuláshoz. A klasszikus tárfiókok és az általános célúként létrehozott tárfiókok is jól működnek.

Ha a blob teljes elérési útja meg van adva, ellenőrizze, hogy az elérési út tárolóként/blobnévként van-e megadva, és hogy a tároló és a blob is létezik-e a fiókban.

Az elérési út nem tartalmazhat bevezető perjelet. A /container/blob például helytelen, és tárolóként/blobként kell megadni.

Források

Ebből a cikkből megtudhatja, hogy mely tárolási lehetőségek támogatottak: Adatok importálása a Machine Learning Studióba (klasszikus) különböző online adatforrásokból az Adatok importálása modullal

Kísérleteket szemléltető példák

Az alábbi kísérleteket a Cortana Intelligence Galleryben tekinthet meg példákat a különböző adatforrásokhoz való csatlakozásra:

• Különböző forrásokból származó bemeneti adatok: Ez a tesztkörnyezet vizuális útmutatót nyújt számos Azure-ML adatforrás használatához: AzureML-kísérletek és adat-interakciók

• Azure Cosmos DB: Adatok beolvasása az Azure Cosmos DB-ből Machine Learning

• Egyébként olvashatatlan adatok importálása a Python használatával: Nem szöveges fájl betöltése az Azure Blob Storage-ból

Kivételüzenetek
Az Azure Storage-fiók neve vagy tárolóneve helytelen.
Az Azure Storage-fiók neve "{0}" vagy "{1}" tárolónév helytelen; a tároló/blob formátum tárolójának neve várt.

0010-s hiba

Kivétel akkor fordul elő, ha a bemeneti adatkészletek olyan oszlopnevekkel rendelkeznek, amelyeknek egyezniük kell, de nem.

Ez a hiba akkor jelenik meg Machine Learning, ha az üzenet oszlopindexe eltérő oszlopnevekkel rendelkezik a két bemeneti adatkészletben.

Felbontás: Használja a Metaadatok szerkesztése parancsot, vagy módosítsa az eredeti adatkészletet úgy, hogy ugyanazzal az oszlopnévvel rendelkezzen a megadott oszlopindexhez.

Kivételüzenetek
A bemeneti adathalmazokban a megfelelő indexet tartalmazó oszlopok neve eltérő.
Az oszlopnevek nem azonosak a bemeneti adathalmazok{1} (és {2} azok) oszlopainak {0} (nulla alapú) neveivel.

0011-s hiba

Kivétel akkor fordul elő, ha az átadott oszlophalmaz argumentum egyik adathalmazoszlopra sem vonatkozik.

Ez a hiba Machine Learning jelenik meg, ha a megadott oszlopkijelölés nem egyezik meg az adott adatkészlet egyik oszlopával sem.

Akkor is megjelenik ez a hiba, ha még nem jelölt ki egy oszlopot, és legalább egy oszlop szükséges a modul működéséhez.

Felbontás: Módosítsa a modul oszlopkijelölését úgy, hogy az az adathalmaz oszlopaira vonatkozni fog.

Ha a modulhoz ki kell jelölni egy adott oszlopot, például egy címkeoszlopot, ellenőrizze, hogy a megfelelő oszlop van-e kiválasztva.

Ha nem megfelelő oszlopok vannak kijelölve, távolítsa el őket, és futtassa újra a kísérletet.

Kivételüzenetek
A megadott oszlopkészlet nem vonatkozik egyik adathalmazoszlopra sem.
A megadott "{0}" oszlopkészlet nem vonatkozik egyik adathalmazoszlopra sem.

0012-s hiba

Kivétel akkor fordul elő, ha az osztálypéldány nem hozható létre az argumentumok átadott készletével.

Felbontás: Ezt a hibát a felhasználó nem hajtja végre, és egy későbbi kiadásban megszűnik.

Kivételüzenetek
Nem betanított modell, először a modell betanítása.
Nem betanított modell ({0}), használjon betanított modellt.

0013-ás hiba

Kivétel akkor fordul elő, ha a modulnak átadott tanuló érvénytelen típus.

Ez a hiba akkor fordul elő, ha egy betanított modell nem kompatibilis a csatlakoztatott pontozási modullal. Ha például csatlakoztatja a Matchbox Recommender betanítási kimenetét a modell pontozásához (a Score Matchbox Recommender helyett), ez a hiba jelenik meg a kísérlet futtatásakor.

Megoldás:

Határozza meg a képzési modul által előállított tanuló típusát, és határozza meg a tanulónak megfelelő pontozási modult.

Ha a modellt a specializált betanítási modulok bármelyikével tanítják be, a betanított modellt csak a megfelelő specializált pontozási modulhoz csatlakoztassa.

Modell típusa	Képzési modul	Pontozási modul
bármely osztályozó	Modell-hiperparaméterek betanítása vagy hangolása	Relevanciamodell
bármely regressziós modell	Modell-hiperparaméterek betanítása vagy hangolása	Relevanciamodell
fürtözési modellek	Fürtözési modell vagy takarítási fürtszolgáltatás betanítása	Adatok hozzárendelése fürtökhöz
anomáliadetektálás – One-Class SVM	Rendellenesség-észlelési modell betanítása	Relevanciamodell
anomáliadetektálás – PCA	Modell-hiperparaméterek betanítása vagy hangolása	Modell pontozása A modell kiértékeléséhez további lépések szükségesek.
anomáliadetektálás – idősorozat	Idősor anomáliadetektálása	Modellezheti az adatokból érkező vonatokat, és pontszámokat hoz létre. A modul nem hoz létre betanított tanulót, és nincs szükség további pontozásra.
javaslati modell	Matchbox Recommender betanítása	Matchbox Recommender pontozása
képbesorolás	Előre betanított kaszkádolt képbesorolás	Relevanciamodell
Vowpal Wabbit-modellek	Vowpal Wabbit 7-4-es modell betanítása	Vowpal Wabbit 7-4-es verziójú modell pontozása
Vowpal Wabbit-modellek	Vowpal Wabbit 7-10-es modell betanítása	Vowpal Wabbit 7-10-es verziójú modell pontozása
Vowpal Wabbit-modellek	Vowpal Wabbit 8-es verziójú modell betanítása	Vowpal Wabbit 8-es verziójú modell pontozása

Kivételüzenetek
A rendszer érvénytelen típusú tanulót ad át.
A "" tanuló{0} típusa érvénytelen.

0014-s hiba

Kivétel történik, ha az egyedi oszlopértékek száma nagyobb az engedélyezettnél.

Ez a hiba akkor fordul elő, ha egy oszlop túl sok egyedi értéket tartalmaz. Ez a hiba például akkor jelenhet meg, ha megadja, hogy egy oszlop kategorikus adatként legyen kezelve, de túl sok egyedi érték van az oszlopban a feldolgozás befejezéséhez. Akkor is megjelenhet ez a hiba, ha két bemenet egyedi értékeinek száma nem egyezik.

Megoldás:

Nyissa meg a hibát generáló modult, és azonosítsa a bemenetként használt oszlopokat. Egyes modulok esetében kattintson a jobb gombbal az adathalmaz bemenetére, és válassza a Vizualizáció lehetőséget az egyes oszlopok statisztikáinak lekéréséhez, beleértve az egyedi értékek számát és eloszlását.

A csoportosításhoz vagy kategorizáláshoz használni kívánt oszlopok esetében lépéseket kell tennie az oszlopokban található egyedi értékek számának csökkentésére. Az oszlop adattípusától függően különböző módokon csökkenthető.

• Szöveges adatok esetén a Szöveg előfeldolgozása segítségével összecsukhatja a hasonló bejegyzéseket.
• Numerikus adatok esetén létrehozhat kisebb számú intervallumot a Csoportosítási adatok intervallumokba rendezve, eltávolíthatja vagy csonkolhatja az értékeket clip Values használatával, vagy gépi tanulási módszereket használhat, például az egyszerű összetevők elemzését vagy a darabszámmal rendelkező Tanulás az adatok dimenziójának csökkentése érdekében.

Tipp

Nem található a forgatókönyvnek megfelelő megoldás? Visszajelzést küldhet erről a témakörről, amely tartalmazza a hibát generáló modul nevét, valamint az oszlop adattípusát és számosságát. Az információkat arra használjuk, hogy célzottabb hibaelhárítási lépéseket biztosítsunk a gyakori forgatókönyvekhez.

Kivételüzenetek
Az egyedi oszlopértékek száma nagyobb az engedélyezettnél.
Az egyedi értékek száma az oszlopban: a "{0}" meghaladja a rekordszámát {1}.

0015-ös hiba

Kivétel történik, ha az adatbázis-kapcsolat nem sikerült.

Ez a hiba akkor jelenik meg, ha helytelen SQL fióknevet, jelszót, adatbázis-kiszolgálót vagy adatbázisnevet ad meg, vagy ha az adatbázissal vagy a kiszolgálóval kapcsolatos problémák miatt nem lehet kapcsolatot létesíteni.

Felbontás: Ellenőrizze, hogy helyesen adta-e meg a fiók nevét, jelszavát, adatbázis-kiszolgálóját és adatbázisát, és hogy a megadott fiók rendelkezik-e a megfelelő engedélyszinttel. Ellenőrizze, hogy az adatbázis jelenleg elérhető-e.

Kivételüzenetek
Hiba történt az adatbázis-kapcsolat létrehozásakor.
Hiba történt az adatbázis-kapcsolat létrehozásakor: {0}.

0016-os hiba

Kivétel történik, ha a modulnak átadott bemeneti adathalmazoknak kompatibilis oszloptípusokkal kell rendelkezniük, de nem.

Ez a hiba akkor jelenik meg Machine Learning, ha a két vagy több adathalmazban átadott oszlopok típusai nem kompatibilisek egymással.

Felbontás:Metaadatok szerkesztése, az eredeti bemeneti adathalmaz módosítása vagy az Adathalmazsá alakítás használata az oszlopok típusának kompatibilitásának biztosításához.

Kivételüzenetek
A bemeneti adathalmazokban megfelelő indexet tartalmazó oszlopok nem kompatibilis típusokkal rendelkeznek.
Oszlopok {0} és {1} nem kompatibilisek.
Az oszlopelemek típusai nem kompatibilisek a bemeneti adathalmazok{1} (és {2} azok) oszlopaival {0} (nulla alapú).

0017-s hiba

Kivétel történik, ha egy kijelölt oszlop olyan adattípust használ, amelyet az aktuális modul nem támogat.

Ez a hiba például akkor jelenhet meg Machine Learning, ha az oszlopkijelölés olyan adattípusú oszlopot tartalmaz, amelyet a modul nem tud feldolgozni, például egy matematikai művelet sztringoszlopát, vagy egy pontszámoszlopot, ahol kategorikus funkcióoszlopra van szükség.

Megoldás:

1. Azonosítsa a problémát okozó oszlopot.
2. Tekintse át a modul követelményeit.
3. Módosítsa úgy az oszlopot, hogy megfeleljen a követelményeknek. Előfordulhat, hogy az oszloptól és a megkísérlendő átalakítástól függően az alábbi modulok közül többre is szükség lehet a módosítások elvégzéséhez:
   • A Metaadatok szerkesztése funkcióval módosíthatja az oszlopok adattípusát, vagy módosíthatja az oszlop használatát funkcióról numerikusra, kategorikusról nem kategorikusra stb.
   • A Konvertálás adatkészletté használatával biztosíthatja, hogy az összes belefoglalt oszlop olyan adattípusokat használjon, amelyeket Machine Learning támogat. Ha nem tudja konvertálni az oszlopokat, érdemes lehet eltávolítani őket a bemeneti adatkészletből.
   • A SQL transzformáció alkalmazása vagy az R-szkript végrehajtása modullal olyan oszlopokat alakíthat át vagy alakíthat át, amelyek nem módosíthatók metaadatok szerkesztése használatával. Ezek a modulok nagyobb rugalmasságot biztosítanak a datetime adattípusok használata során.
   • Numerikus adattípusok esetén a Matematikai műveletek alkalmazása modullal kerekítheti vagy csonkolhatja az értékeket, vagy a Clip Values modullal eltávolíthatja a tartományértékeket.
4. Végső megoldásként előfordulhat, hogy módosítania kell az eredeti bemeneti adatkészletet.

Tipp

Nem található a forgatókönyvnek megfelelő megoldás? Visszajelzést küldhet erről a témakörről, amely tartalmazza a hibát generáló modul nevét, valamint az oszlop adattípusát és számosságát. Az információkat arra használjuk, hogy célzottabb hibaelhárítási lépéseket biztosítsunk a gyakori forgatókönyvekhez.

Kivételüzenetek
Az aktuális típusú oszlop nem dolgozható fel. A típust a modul nem támogatja.
A típusoszlop {0}nem dolgozható fel. A típust a modul nem támogatja.
A(z) "" típusú {0}oszlop nem{1} dolgozható fel. A típust a modul nem támogatja.
A(z) "" típusú {0}oszlop nem{1} dolgozható fel. A típust a modul nem támogatja. Paraméter neve: {2}

0018-ás hiba

Kivétel történik, ha a bemeneti adatkészlet érvénytelen.

Felbontás: Ez a hiba Machine Learning számos környezetben megjelenhet, ezért nincs egyetlen megoldás. A hiba általában azt jelzi, hogy a modul bemeneteként megadott adatok nem megfelelő számú oszlopot tartalmaznak, vagy hogy az adattípus nem felel meg a modul követelményeinek. Például:

• A modulhoz címkeoszlop szükséges, de egyetlen oszlop sincs címkeként megjelölve, vagy még nem jelölt ki címkeoszlopot.

• A modul megköveteli, hogy az adatok kategorikusak legyenek, de az adatok numerikusak.

• A modulhoz egy adott adattípus szükséges. A Matchbox-ajánló betanítása például lehet numerikus vagy kategorikus, de nem lehet lebegőpontos szám.

• Az adatok formátuma nem megfelelő.

• Az importált adatok érvénytelen karaktereket, hibás értékeket vagy tartományon kívüli értékeket tartalmaznak.

• Az oszlop üres, vagy túl sok hiányzó értéket tartalmaz.

A követelmények és az adatok lehetséges meghatározásához tekintse át annak a modulnak a súgótémakörét, amely bemenetként fogja használni az adathalmazt.

Azt is javasoljuk, hogy az adatok profilkészítéséhez használja az Adatok összegzése vagy a Számítási alapstatisztikák elemet , és a következő modulokkal javítsa ki a metaadatokat és a tiszta értékeket: Metaadatok szerkesztése, Hiányzó adatok törlése, Klipértékek.

Kivételüzenetek
Az adathalmaz érvénytelen.
{0} érvénytelen adatokat tartalmaz.
{0} és {1} konzisztens oszlopokkal kell rendelkeznie.

0019-s hiba

Kivétel történik, ha az oszlopnak rendezett értékeket kell tartalmaznia, de nem.

Ez a hiba akkor jelenik meg Machine Learning, ha a megadott oszlopértékek sorrendje nem megfelelő.

Felbontás: Rendezze az oszlopértékeket a bemeneti adatkészlet manuális módosításával, majd futtassa újra a modult.

Kivételüzenetek
Az oszlop értékei nincsenek rendezve.
A "{0}" oszlop értékei nincsenek rendezve.
A "{1}" adathalmaz "{0}" oszlopában lévő értékek nincsenek rendezve.

0020-ás hiba

Kivétel akkor fordul elő, ha a modulnak átadott adathalmazok némelyikében túl kicsi az oszlopok száma.

Ez a hiba Machine Learning akkor jelenik meg, ha nem lett elegendő oszlop kijelölve egy modulhoz.

Felbontás: Nyissa meg újra a modult, és győződjön meg arról, hogy az oszlopválasztó megfelelő számú oszlopot jelölt ki.

Kivételüzenetek
A bemeneti adathalmaz oszlopainak száma kisebb, mint a megengedett minimális érték.
A bemeneti adathalmaz oszlopainak száma kisebb, mint az oszlopok megengedett minimális száma {0} .
A "{0}" bemeneti adathalmaz oszlopainak száma kisebb, mint az oszlopok megengedett minimális száma {1} .

0021-s hiba

Kivétel akkor fordul elő, ha a modulnak átadott adathalmazok egy részének sorainak száma túl kicsi.

Ez a hiba akkor jelenik meg Machine Learning, ha az adathalmazban nincs elegendő sor a megadott művelet végrehajtásához. Ez a hiba például akkor jelenhet meg, ha a bemeneti adathalmaz üres, vagy ha olyan műveletet próbál végrehajtani, amelyhez legalább néhány sor érvényesnek kell lennie. Az ilyen műveletek közé tartozhat (de nem kizárólagosan) a statisztikai módszereken alapuló csoportosítás vagy besorolás, bizonyos típusú dobozolás és a számokkal való tanulás.

Megoldás:

• Nyissa meg a hibát visszaküldött modult, és ellenőrizze a bemeneti adatkészletet és a modul tulajdonságait.
• Ellenőrizze, hogy a bemeneti adatkészlet nem üres-e, és hogy elegendő adatsor van-e a modul súgójában leírt követelményeknek való megfeleléshez.
• Ha az adatok külső forrásból vannak betöltve, győződjön meg arról, hogy az adatforrás elérhető, és hogy az adatdefinícióban nincs olyan hiba vagy változás, amely miatt az importálási folyamat kevesebb sort kapna.
• Ha olyan műveletet hajt végre a modul adatain, amely hatással lehet az adatok típusára vagy az értékek számára, például tisztítási, felosztási vagy illesztési műveletekre, ellenőrizze a műveletek kimeneteit a visszaadott sorok számának meghatározásához.

0022-s hiba

Kivétel akkor fordul elő, ha a bemeneti adathalmaz kijelölt oszlopainak száma nem egyenlő a várt számmal.

Ez a hiba Machine Learning akkor fordulhat elő, ha az alsóbb rétegbeli modul vagy művelet adott számú oszlopot vagy bemenetet igényel, és túl kevés vagy túl sok oszlopot vagy bemenetet adott meg. Például:

• Egyetlen címkeoszlopot vagy kulcsoszlopot adhat meg, és véletlenül több oszlopot is kijelölhet.

• Oszlopokat nevez át, de több vagy kevesebb nevet ad meg, mint amennyi oszlop van.

• A forrásban vagy a célhelyen lévő oszlopok száma megváltozott, vagy nem egyezik meg a modul által használt oszlopok számával.

• A bemenetekhez vesszővel tagolt értéklistát adott meg, de az értékek száma nem egyezik, vagy több bemenet nem támogatott.

Felbontás: Tekintse meg újra a modult, és ellenőrizze az oszlopkijelölést, és győződjön meg arról, hogy a megfelelő számú oszlop van kiválasztva. Ellenőrizze a felsőbb rétegbeli modulok kimeneteit és az alsóbb rétegbeli műveletek követelményeit.

Ha az egyik olyan oszlopkijelölési lehetőséget használta, amely több oszlopot (oszlopindexek, összes funkció, összes numerikus stb.) is kijelölhet, ellenőrizze a kijelölés által visszaadott oszlopok pontos számát.

Ha az adathalmazok vesszővel tagolt listáját szeretné megadni bemenetként a tömörített adathalmazok kicsomagolásához, egyszerre csak egy adatkészletet csomagoljon ki. Több bemenet nem támogatott.

Ellenőrizze, hogy a felsőbb rétegbeli oszlopok száma vagy típusa nem változott-e.

Ha javaslati adatkészletet használ egy modell betanítása érdekében, ne feledje, hogy az ajánló korlátozott számú oszlopot vár, amely megfelel a felhasználó-elem pároknak vagy a felhasználó-elem rangsorolásának. Távolítsa el a további oszlopokat a modell betanítása vagy a javaslati adathalmazok felosztása előtt. További információ: Adatok felosztása.

Kivételüzenetek
A bemeneti adathalmaz kijelölt oszlopainak száma nem egyenlő a várt számmal.
A bemeneti adathalmaz kijelölt oszlopainak száma nem egyenlő .{0}
A "{0}" oszlopkijelölési minta a bemeneti adathalmaz kijelölt oszlopainak számát adja meg, és nem egyenlő.{1}
A "{0}" oszlopkijelölési minta várhatóan a bemeneti adathalmazban kiválasztott oszlop(ok) megadására {1} szolgál, de {2} az oszlop(ok) meg vannak adva.

0023-ás hiba

Kivétel akkor fordul elő, ha a bemeneti adathalmaz céloszlopa érvénytelen az aktuális oktatómodulhoz.

Ez a hiba Machine Learning akkor fordul elő, ha a céloszlop (a modul paramétereiben kiválasztott) nem érvényes adattípusú, az összes hiányzó értéket tartalmazta, vagy nem a várt módon kategorizált.

Felbontás: Tekintse meg újra a modul bemenetét a címke/céloszlop tartalmának vizsgálatához. Győződjön meg arról, hogy nem tartalmazza az összes hiányzó értéket. Ha a modul azt várja, hogy a céloszlop kategorikus legyen, győződjön meg arról, hogy a céloszlopban több különböző érték is szerepel.

Kivételüzenetek
A bemeneti adathalmaz nem támogatott céloszloppal rendelkezik.
A bemeneti adathalmaz nem támogatott "{0}" céloszloppal rendelkezik.
A bemeneti adatkészlet nem támogatott "{0}" céloszlopot biztosít a tanuló típusához {1}.

0024-s hiba

Kivétel akkor fordul elő, ha az adathalmaz nem tartalmaz címkeoszlopot.

Ez a hiba Machine Learning akkor fordul elő, ha a modulhoz címkeoszlopra van szükség, és az adatkészlet nem rendelkezik címkeoszloppal. A pontozott adathalmazok kiértékeléséhez például általában egy címkeoszlopnak kell szerepelnie a számítási pontossági metrikákban.

Az is előfordulhat, hogy egy címkeoszlop található az adathalmazban, de Machine Learning nem észleli megfelelően.

Megoldás:

• Nyissa meg a hibát generáló modult, és állapítsa meg, hogy van-e címkeoszlop. Az oszlop neve vagy adattípusa nem számít, ha az oszlop egyetlen eredményt (vagy függő változót) tartalmaz, amelyet előre szeretne jelezni. Ha nem biztos abban, hogy melyik oszlopban található a címke, keressen egy általános nevet, például osztályt vagy célt.
• Ha az adathalmaz nem tartalmaz címkeoszlopot, lehetséges, hogy a címkeoszlopot explicit módon vagy véletlenül eltávolították a felsőbb rétegből. Az is előfordulhat, hogy az adatkészlet nem egy felsőbb rétegbeli pontozási modul kimenete.
• Ha explicit módon meg szeretné jelölni az oszlopot címkeoszlopként, adja hozzá a Metaadatok szerkesztése modult, és csatlakoztassa az adatkészletet. Csak a címkeoszlopot jelölje ki, majd a Mezők legördülő listából válassza a Címke lehetőséget.
• Ha nem a megfelelő oszlopot választja címkeként, a Mezők mezőiből a Címke törlése lehetőséget választva kijavíthatja az oszlop metaadatait.

Kivételüzenetek
Az adathalmazban nincs címkeoszlop.
A "{0}" fájlban nincs címkeoszlop.

0025-ös hiba

Kivétel akkor fordul elő, ha az adathalmaz nem tartalmaz pontszámoszlopot.

Ez a hiba Machine Learning akkor fordul elő, ha a kiértékelő modell bemenete nem tartalmaz érvényes pontszámoszlopokat. A felhasználó például megkísérli kiértékelni az adathalmazt, mielőtt egy helyes betanított modellel pontozott volna, vagy a pontszámoszlopot explicit módon a felsőbb rétegbe dobták. Ez a kivétel akkor is előfordul, ha a két adathalmaz pontszámoszlopai nem kompatibilisek. Előfordulhat például, hogy egy lineáris regresszor pontosságát szeretné összehasonlítani egy bináris osztályozóéval.

Felbontás: Tekintse meg újra a bemenetet a kiértékelő modellhez, és vizsgálja meg, hogy tartalmaz-e egy vagy több pontszámoszlopot. Ha nem, akkor az adathalmaz nem lett pontszámmal elosztva, vagy a pontszámoszlopokat elvetette egy felsőbb rétegbeli modulban.

Kivételüzenetek
Az adathalmazban nincs pontoszlop.
A "{0}" fájlban nincs pontszámoszlop.
A "{0}" kifejezésben nincs olyan pontszámoszlop, amelyet egy "{1}" állít elő. Az adathalmaz pontozása a megfelelő tanulótípussal.

0026-os hiba

Kivétel akkor fordul elő, ha az azonos nevű oszlopok nem engedélyezettek.

Ez a hiba Machine Learning akkor fordul elő, ha több oszlop neve azonos. Ez a hiba akkor jelenhet meg, ha az adathalmaz nem rendelkezik fejlécsorral, és az oszlopnevek automatikusan hozzá lesznek rendelve: Col0, Col1 stb.

Felbontás: Ha az oszlopoknak ugyanaz a neve, szúrjon be egy Metaadat szerkesztése modult a bemeneti adathalmaz és a modul közé. A Metaadatok szerkesztése területen az oszlopválasztóval jelölje ki az átnevezni kívánt oszlopokat, és írja be az új neveket az Új oszlopnevek szövegmezőbe.

Kivételüzenetek
Az argumentumokban egyenlő oszlopnevek vannak megadva. A modul nem engedélyezi az egyenlő oszlopneveket.
A "" és a "{0}{1}" argumentum azonos oszlopnevei nem engedélyezettek. Adjon meg különböző neveket.

0027-s hiba

Kivétel akkor fordul elő, ha két objektumnak azonos méretűnek kell lennie, de nem.

Ez gyakori hiba a Machine Learning, és számos feltétel okozhatja.

Felbontás: Nincs konkrét megoldás. Az alábbiakhoz hasonló feltételeket azonban kereshet:

• Ha oszlopokat nevez át, győződjön meg arról, hogy minden lista (a bemeneti oszlopok és az új nevek listája) ugyanannyi elemet tartalmaz.

• Ha két adathalmazt kapcsol össze vagy fűz össze, győződjön meg arról, hogy ugyanazzal a sémával rendelkeznek.

• Ha két, több oszlopot tartalmazó adathalmazt csatlakozik, győződjön meg arról, hogy a kulcsoszlopok adattípusa megegyezik, és válassza az Ismétlődő elemek engedélyezése és az oszlopsorrend megőrzése lehetőséget a kijelölésben.

Kivételüzenetek
Az átadott objektumok mérete inkonzisztens.
A "{0}" mérete nem egyezik a "{1}" méretével.

0028-ás hiba

Kivétel történik abban az esetben, ha az oszlopkészlet ismétlődő oszlopneveket tartalmaz, és nem engedélyezett.

Ez a hiba Machine Learning akkor fordul elő, ha az oszlopnevek duplikálva vannak, vagyis nem egyediek.

Felbontás: Ha bármelyik oszlopnak ugyanaz a neve, adjon hozzá egy metaadat-szerkesztési példányt a bemeneti adatkészlet és a hibát növelő modul között. A Metaadatok szerkesztése területen az Oszlopkijelölővel jelölje ki az átnevezni kívánt oszlopokat, és írja be az új oszlopneveket az Új oszlopnevek szövegmezőbe. Ha több oszlopot nevez át, győződjön meg arról, hogy az Új oszlopnevekben megadott értékek egyediek.

Kivételüzenetek
Az oszlopkészlet ismétlődő oszlopneveket tartalmaz.
A "{0}" név duplikálva van.
A "{0}" név duplikálva van a "{1}"-ban.

0029-s hiba

Kivétel történik abban az esetben, ha érvénytelen URI-t ad át.

Ez a hiba Machine Learning akkor fordul elő, ha érvénytelen URI-t ad át. Ez a hiba akkor jelenik meg, ha az alábbi feltételek bármelyike teljesül: vagy.

• A Azure Blob Storage olvasáshoz vagy íráshoz megadott nyilvános vagy SAS URI hibát tartalmaz.

• Az SAS időkerete lejárt.

• A HTTP-forráson keresztüli webes URL-cím egy fájlt vagy egy visszacsatolási URI-t jelöl.

• A HTTP-en keresztüli webes URL-cím helytelenül formázott URL-címet tartalmaz.

• A távoli forrás nem tudja feloldani az URL-címet.

Felbontás: Nyissa meg újra a modult, és ellenőrizze az URI formátumát. Ha az adatforrás egy HTTP-n keresztüli webes URL-cím, ellenőrizze, hogy a kívánt forrás nem fájl vagy visszacsatolási URI (localhost).

Kivételüzenetek
A rendszer érvénytelen URI-t ad át.

0030-ás hiba

Kivétel történik abban az esetben, ha nem lehet letölteni egy fájlt.

Ez a kivétel Machine Learning akkor fordul elő, ha nem lehet letölteni egy fájlt. Ez a kivétel akkor jelenik meg, ha egy HTTP-forrásból való olvasási kísérlet három (3) újrapróbálkozási kísérlet után meghiúsult.

Felbontás: Ellenőrizze, hogy a HTTP-forrás URI-ja helyes-e, és hogy a webhely jelenleg elérhető-e az interneten keresztül.

Kivételüzenetek
Nem sikerült letölteni a fájlt.
Hiba a fájl letöltése közben: {0}.

0031-s hiba

Kivétel akkor fordul elő, ha az oszlopkészlet oszlopainak száma a szükségesnél kevesebb.

Ez a hiba Machine Learning akkor fordul elő, ha a kijelölt oszlopok száma kisebb a szükségesnél. Ez a hibaüzenet akkor jelenik meg, ha a minimálisan szükséges számú oszlop nincs kijelölve.

Felbontás: Az Oszlopkijelölővel további oszlopokat adhat hozzá az oszlopkijelöléshez.

Kivételüzenetek
Az oszlopkészlet oszlopainak száma a szükségesnél kevesebb.
{0} oszlop(ok)t kell megadni. A megadott oszlopok tényleges száma .{1}

0032-s hiba

Kivétel akkor fordul elő, ha az argumentum nem szám.

Ez a hiba akkor jelenik meg Machine Learning, ha az argumentum dupla vagy NaN.

Felbontás: Módosítsa a megadott argumentumot érvényes érték használatára.

Kivételüzenetek
Az argumentum nem szám.
A "{0}" nem szám.

0033-os hiba

Kivétel akkor fordul elő, ha az argumentum végtelen.

Ez a hiba Machine Learning akkor fordul elő, ha az argumentum végtelen. Ez a hiba akkor jelenik meg, ha az argumentum vagy double.NegativeInfinitydouble.PositiveInfinity.

Felbontás: Módosítsa a megadott argumentumot érvényes értékként.

Kivételüzenetek
Az argumentumnak végesnek kell lennie.
"{0}" nem véges.

0034-s hiba

Kivétel akkor fordul elő, ha egy adott felhasználó-elem párhoz több minősítés is tartozik.

Ez a hiba Machine Learning akkor fordul elő a javaslatban, ha egy felhasználóielem-pár egynél több minősítési értékkel rendelkezik.

Felbontás: Győződjön meg arról, hogy a felhasználói-elem pár csak egy minősítési értékkel rendelkezik.

Kivételüzenetek
Egynél több minősítés létezik az adathalmazban lévő érték(ek)hez.
A minősítés-előrejelzési adattáblában egynél több értékelés a felhasználó {0} és az elem {1} számára.

0035-ös hiba

Kivétel akkor fordul elő, ha egy adott felhasználó vagy elem nem adott meg szolgáltatásokat.

Ez a hiba Machine Learning akkor fordul elő, amikor javaslatmodellt próbál használni a pontozáshoz, de egy jellemzővektor nem található.

Megoldás:

A Matchbox-ajánlónak bizonyos követelményei vannak, amelyeknek teljesülniük kell az elemfunkciók vagy a felhasználói funkciók használatakor. Ez a hiba azt jelzi, hogy hiányzik egy funkcióvektor a bemenetként megadott felhasználó vagy elem esetében. Gondoskodnia kell arról, hogy az egyes felhasználók vagy elemek adataiban elérhető legyen a funkciók vektora.

Ha például betanított egy javaslati modellt olyan funkciókkal, mint a felhasználó életkora, tartózkodási helye vagy jövedelme, de most olyan új felhasználók számára szeretne pontszámokat létrehozni, akik nem voltak láthatók a betanítás során, meg kell adnia néhány egyenértékű funkciókészletet (nevezetesen az életkort, a helyet és a jövedelemértékeket) az új felhasználók számára, hogy megfelelő előrejelzéseket készíthessen számukra.

Ha ezekhez a felhasználókhoz nem rendelkezik semmilyen funkcióval, fontolja meg a szolgáltatásfejlesztést a megfelelő funkciók létrehozásához. Ha például nem rendelkezik egyéni felhasználói életkori vagy jövedelemértékekkel, akkor hozzávetőleges értékeket hozhat létre a felhasználók egy csoportjához.

Ha javaslati módban pontozást végzett, csak akkor használhat elemeket vagy felhasználói funkciókat, ha korábban elemeket vagy felhasználói funkciókat használt a betanítás során. További információ: Score Matchbox Recommender.

A Matchbox javaslati algoritmus működésével, valamint az elemfunkciók vagy felhasználói funkciók adathalmazának előkészítésével kapcsolatos általános információkért lásd: Matchbox Recommender betanítása.

Tipp

A megoldás nem alkalmazható az Ön ügyére? Szívesen küldünk visszajelzést erről a cikkről, és tájékoztatjuk a forgatókönyvről, beleértve a modult és az oszlop sorainak számát. Ezeket az információkat arra használjuk fel, hogy részletesebb hibaelhárítási lépéseket nyújtsunk a jövőben.

Kivételüzenetek
A szükséges felhasználóhoz vagy elemhez nem biztosítottak szolgáltatásokat.
{0} A szükséges, de nem biztosított funkciók.

0036-os hiba

Kivétel akkor fordul elő, ha egy adott felhasználó vagy elem több jellemzővektort is megadott.

Ez a hiba Machine Learning akkor fordul elő, ha egy jellemzővektort többször definiálnak.

Felbontás: Győződjön meg arról, hogy a jellemzővektor nincs többször definiálva.

Kivételüzenetek
Ismétlődő szolgáltatásdefiníció egy felhasználóhoz vagy elemhez.
Duplikált szolgáltatásdefiníció a következőhöz {0}: .

0037-s hiba

Kivétel akkor fordul elő, ha több címkeoszlop van megadva, és csak egy engedélyezett.

Ez a hiba Machine Learning akkor fordul elő, ha egynél több oszlop van kijelölve az új címkeoszlopként. A legtöbb felügyelt tanulási algoritmushoz egyetlen oszlopot kell megjelölni célként vagy címkeként.

Felbontás: Ügyeljen arra, hogy egyetlen oszlopot jelöljön ki új címkeoszlopként.

Kivételüzenetek
Több címkeoszlop van megadva.

0038-ás hiba

Kivétel történik, ha a várt elemek számának pontos értéknek kell lennie, de nem.

Ez a hiba Machine Learning akkor fordul elő, ha a várt elemek számának pontos értéknek kell lennie, de nem. Ez a hiba akkor jelenik meg, ha az elemek száma nem egyenlő az érvényes várt értékkel.

Felbontás: Módosítsa a bemenetet úgy, hogy a megfelelő számú elem legyen.

Kivételüzenetek
Az elemek száma érvénytelen.
A "{0}" elemszáma érvénytelen.
A "{0}" elemben lévő elemek száma nem egyenlő az elemek érvényes számával {1} .

0039-s hiba

Kivétel történik, ha egy művelet meghiúsult.

Ez a hiba Machine Learning akkor fordul elő, ha egy belső művelet nem hajtható végre.

Felbontás: Ezt a hibát számos feltétel okozza, és nincs konkrét megoldás.
Az alábbi táblázat a hiba általános üzeneteiből áll, amelyeket a feltétel adott leírása követ.

Ha nincsenek részletek, küldjön visszajelzést , és adjon meg információkat a hibát és a kapcsolódó feltételeket létrehozó modulokról.

Kivételüzenetek
A művelet nem sikerült.
Hiba történt a művelet végrehajtása során: {0}.

0040-s hiba

Kivétel történik egy elavult modul meghívásakor.

Ez a hiba Machine Learning egy elavult modul meghívásakor jön létre.

Felbontás: Cserélje le az elavult modult egy támogatott modulra. A használandó modulról a modul kimeneti naplójában tájékozódhat.

Kivételüzenetek
Elavult modul elérése.
A "{0}" modul elavult. Használja helyette a "{1}" modult.

0041-s hiba

Kivétel történik egy elavult modul meghívásakor.

Ez a hiba Machine Learning egy elavult modul meghívásakor jön létre.

Felbontás: Cserélje le az elavult modult egy támogatott modulkészletre. Ennek az információnak láthatónak kell lennie a modul kimeneti naplójában.

Kivételüzenetek
Elavult modul elérése.
A "{0}" modul elavult. A kért funkciókhoz használja a "{1}" modulokat.

0042-s hiba

Kivétel történik, ha az oszlopot nem lehet más típusra konvertálni.

Ez a hiba Machine Learning akkor fordul elő, ha az oszlopot nem lehet a megadott típusra konvertálni. Ez a hiba akkor jelenik meg, ha egy modulhoz egy adott adattípusra van szükség, például dátum/idő, szöveg, lebegőpontos szám vagy egész szám, de meglévő oszlop nem alakítható át a szükséges típusra.

Kijelölhet például egy oszlopot, és megpróbálhatja numerikus adattípussá alakítani matematikai műveletekhez, és ez a hibaüzenet jelenik meg, ha az oszlop érvénytelen adatokat tartalmaz.

Ez a hiba akkor is előfordulhat, ha lebegőpontos számokat vagy sok egyedi értéket tartalmazó oszlopot próbál kategorikus oszlopként használni.

Megoldás:

• Nyissa meg a hibát okozó modul súgóoldalát, és ellenőrizze az adattípusra vonatkozó követelményeket.
• Tekintse át a bemeneti adathalmaz oszlopainak adattípusait.
• Vizsgálja meg az úgynevezett séma nélküli adatforrásból származó adatokat.
• Ellenőrizze az adatkészletben, hogy hiányoznak-e olyan értékek vagy speciális karakterek, amelyek blokkolhatják a kívánt adattípusra való átalakítást.
  • A numerikus adattípusoknak konzisztensnek kell lenniük: például egész számokat tartalmazó oszlopban kell keresni a lebegőpontos számokat.
  • Keressen szöveges sztringeket vagy NA értékeket egy számoszlopban.
  • A logikai értékek a szükséges adattípustól függően megfelelő ábrázolásúvá alakíthatók.
  • Szövegoszlopok vizsgálata nem Unicode-karakterek, tabulátorkarakterek vagy vezérlőkarakterek esetén
  • A dátum/idő adatoknak konzisztensnek kell lenniük a modellezési hibák elkerülése érdekében, de a törlés a számos formátum miatt összetett lehet. A tisztításhoz fontolja meg az R-szkript végrehajtása vagy a Python-szkriptek végrehajtása modul használatát.
• Ha szükséges, módosítsa a bemeneti adatkészlet értékeit, hogy az oszlop sikeresen konvertálható legyen. A módosítás magában foglalhatja a dobozolást, a csonkítást vagy a kerekítési műveleteket, a kiugró értékek megszüntetését vagy a hiányzó értékek kiszámítását. A gépi tanulás néhány gyakori adatátalakítási forgatókönyvével kapcsolatban tekintse meg a következő cikkeket:
  • Értékek levágása
  • Hiányzó adatok törlése
  • Adatok normalizálása
  • Adatok csoportosítása intervallumokba

Tipp

A megoldás nem egyértelmű, vagy nem alkalmazható az ön ügyére? Szívesen küldünk visszajelzést erről a cikkről, és tájékoztatjuk a forgatókönyvről, beleértve a modult és az oszlop adattípusát. Ezeket az információkat arra használjuk, hogy részletesebb hibaelhárítási lépéseket nyújtsunk a jövőben.

Kivételüzenetek
A konvertálás nem engedélyezett.
A típusoszlop {0} nem konvertálható típusoszlop típusúvá {1}.
A típus {0} "{2}" oszlopa nem konvertálható oszloptípusúvá{1}.
Nem sikerült a típus "{2}{0}" oszlopát "{3}" típusúvá {1}alakítani.

0043-ás hiba

Kivétel történik, ha az elemtípus nem implementálja explicit módon az Egyenlőket.

Ez a hiba Machine Learning nincs használatban, és elavult.

Felbontás: Nincs.

Kivételüzenetek
Nem található akadálymentes explicit equals metódus.
A(z) \"{0}\" {1}oszlop értékei nem hasonlíthatók össze. Nem található akadálymentes explicit equals metódus.

0044-s hiba

Kivétel akkor fordul elő, ha a meglévő értékekből nem lehet elemtípust származtatni.

Ez a hiba Machine Learning akkor fordul elő, ha nem lehet következtetni egy adathalmaz oszlopának vagy oszlopainak típusára. Ez általában akkor fordul elő, ha két vagy több adathalmazt fűz össze különböző elemtípusokkal. Ha Machine Learning nem tud meghatározni egy olyan általános típust, amely képes egy oszlop vagy oszlop összes értékét információvesztés nélkül ábrázolni, akkor ez a hiba jelenik meg.

Felbontás: Győződjön meg arról, hogy az egyesítendő adathalmazok egy adott oszlopának összes értéke azonos típusú (numerikus, logikai, kategorikus, sztring, dátum stb.), vagy ugyanarra a típusra kényszeríthető.

Kivételüzenetek
Az oszlop elemtípusa nem származtatható.
A "{0}" oszlop elemtípusa nem származtatható – minden elem nullhivatkozás.
Nem származtatható elemtípus a "" adathalmaz "{0}{1}" oszlopához – minden elem nullhivatkozás.

0045-ös hiba

Kivétel történik, ha a forrás vegyes elemtípusai miatt nem lehet oszlopot létrehozni.

Ez a Machine Learning-hiba akkor keletkezik, ha két egyesülni kívánt adathalmaz elemtípusai eltérőek.

Felbontás: Győződjön meg arról, hogy az egyesítandó adathalmazok egy adott oszlopának összes értéke azonos típusú (numerikus, logikai, kategorikus, sztring, dátum stb.).

Kivételüzenetek
Vegyes elemtípusú oszlop nem hozható létre.
Vegyes elemtípusok "{0}" azonosítójú oszlopa nem hozható létre:\n\tType of data[{1}, {0}] is {2}\n\tType of data[{3}, {0}] is {4}.

0046-os hiba

Kivétel történik, ha nem lehet könyvtárat létrehozni a megadott elérési úton.

Ez a hiba Machine Learning akkor fordul elő, ha nem lehet könyvtárat létrehozni a megadott elérési úton. Ez a hiba akkor jelenik meg, ha a Hive-lekérdezés kimeneti könyvtárának bármely része helytelen vagy elérhetetlen.

Felbontás: Nyissa meg újra a modult, és ellenőrizze, hogy a könyvtár elérési útja helyesen van-e formázva, és hogy elérhető-e az aktuális hitelesítő adatokkal.

Kivételüzenetek
Adjon meg egy érvényes kimeneti könyvtárat.
Könyvtár: {0} nem hozható létre. Adjon meg érvényes elérési utat.

0047-os hiba

Kivétel történik, ha a modulnak átadott adathalmazok némelyikében túl kicsi a funkcióoszlopok száma.

Ez a hiba Machine Learning akkor fordul elő, ha a betanításhoz használt bemeneti adatkészlet nem tartalmazza az algoritmus által igényelt minimális számú oszlopot. Az adathalmaz általában üres, vagy csak betanítási oszlopokat tartalmaz.

Felbontás: Tekintse meg újra a bemeneti adatkészletet, és győződjön meg arról, hogy a címkeoszlopon kívül egy vagy több további oszlop is található.

Kivételüzenetek
A bemeneti adatkészlet szolgáltatásoszlopainak száma kisebb, mint a minimálisan megengedett.
A bemeneti adatkészlet szolgáltatásoszlopainak száma kisebb, mint az engedélyezett minimális {0} oszlop(ok).
A "{0}" bemeneti adatkészlet szolgáltatásoszlopainak száma kisebb, mint az engedélyezett minimális {1} oszlop(ok).

0048-ás hiba

Kivétel történik abban az esetben, ha nem lehet megnyitni egy fájlt.

Ez a hiba Machine Learning akkor fordul elő, ha nem lehet megnyitni egy fájlt olvasásra vagy írásra. Ez a hiba a következő okokból jelenhet meg:

• A tároló vagy a fájl (blob) nem létezik

• A fájl vagy tároló hozzáférési szintje nem teszi lehetővé a fájl elérését

• A fájl túl nagy az olvasáshoz, vagy a formátum nem megfelelő

Felbontás: Tekintse meg újra az olvasni kívánt modult és fájlt.

Ellenőrizze, hogy a tároló és a fájl neve helyes-e.

A klasszikus Azure portál vagy egy Azure Storage-eszköz használatával ellenőrizze, hogy rendelkezik-e engedéllyel a fájl eléréséhez.

Ha képfájlt próbál olvasni, győződjön meg arról, hogy az megfelel a képfájlokra vonatkozó követelményeknek a méret, a képpontok száma és így tovább. További információ: Képek importálása.

Kivételüzenetek
Nem lehet megnyitni egy fájlt.
Hiba történt a fájl megnyitásakor: {0}.

0049-s hiba

Kivétel történik abban az esetben, ha nem lehet elemezni egy fájlt.

Ez a hiba Machine Learning akkor fordul elő, ha nem lehet elemezni egy fájlt. Ez a hiba akkor jelenik meg, ha az Adatok importálása modulban kiválasztott fájlformátum nem egyezik meg a fájl tényleges formátumával, vagy ha a fájl ismeretlen karaktert tartalmaz.

Felbontás: Ellenőrizze újra a modult, és javítsa ki a fájlformátum kiválasztását, ha az nem egyezik meg a fájl formátumával. Ha lehetséges, vizsgálja meg a fájlt, és ellenőrizze, hogy nem tartalmaz-e érvénytelen karaktereket.

Kivételüzenetek
Nem lehet elemezni egy fájlt.
Hiba történt a fájl elemzése közben: {0}.

0050-ös hiba

Kivétel történik abban az esetben, ha a bemeneti és kimeneti fájlok azonosak.

Felbontás: Ez a hiba Machine Learning nincs használatban, és elavult.

Kivételüzenetek
A bemenethez és a kimenethez megadott fájlok nem lehetnek azonosak.

0051-ös hiba

Kivétel történik abban az esetben, ha több kimeneti fájl azonos.

Felbontás: Ez a hiba Machine Learning nincs használatban, és elavult.

Kivételüzenetek
A kimenetekhez megadott fájlok nem lehetnek azonosak.

0052-ös hiba

Kivétel történik, ha az Azure Storage-fiókkulcs helytelenül van megadva.

Ez a hiba Machine Learning akkor fordul elő, ha az Azure-tárfiók eléréséhez használt kulcs helytelen. Ez a hiba például akkor jelenhet meg, ha az Azure Storage-kulcsot a másoláskor és beillesztéskor csonkolta, vagy nem a megfelelő kulcsot használta.

Az Azure Storage-fiók kulcsának lekérésével kapcsolatos további információkért lásd a tárelérési kulcsok megtekintését, másolását és újragenerálását ismertető témakört.

Felbontás: Nyissa meg újra a modult, és ellenőrizze, hogy az Azure Storage-kulcs helyes-e a fiókhoz; szükség esetén másolja újra a kulcsot a klasszikus Azure portálról.

Kivételüzenetek
Az Azure Storage-fiók kulcsa helytelen.

0053-os hiba

Kivétel történik abban az esetben, ha nincsenek felhasználói funkciók vagy elemek a matchbox-javaslatokhoz.

Ez a hiba Machine Learning akkor keletkezik, ha nem található jellemzővektor.

Felbontás: Győződjön meg arról, hogy a bemeneti adatkészlet tartalmaz egy jellemzővektort.

Kivételüzenetek
Felhasználói funkciókra vagy/és elemekre van szükség, de nincsenek megadva.

0054-ös hiba

Kivétel történik, ha a művelet végrehajtásához túl kevés különböző érték található az oszlopban.

Felbontás: Ez a hiba Machine Learning nincs használatban, és elavult.

Kivételüzenetek
Az adatok túl kevés különböző értéket tartalmaznak a megadott oszlopban a művelet befejezéséhez.
Az adatok túl kevés különböző értéket tartalmaznak a megadott oszlopban a művelet befejezéséhez. A szükséges minimum az {0} elemek.
Az adatok túl kevés különböző értéket tartalmaznak a "{1}" oszlopban a művelet befejezéséhez. A szükséges minimum az {0} elemek.

0055-ös hiba

Kivétel történik egy elavult modul meghívásakor.

Ez a hiba Machine Learning jelenik meg, ha egy elavult modult próbál meghívni.

Megoldás:

Kivételüzenetek
Elavult modul elérése.
A "{0}" modul elavult.

0056-os hiba

Kivétel történik, ha a művelethez kiválasztott oszlopok nem követelményeket sértenek.

Ez a hiba Machine Learning akkor fordul elő, ha olyan művelethez választ oszlopokat, amelyhez az oszlopnak egy adott adattípusúnak kell lennie.

Ez a hiba akkor is előfordulhat, ha az oszlop a megfelelő adattípus, de a használt modul megköveteli, hogy az oszlop jellemzőként, címkeként vagy kategorikus oszlopként is meg legyen jelölve.

A Konvertálás mutatóértékekké modulhoz például kategorikus oszlopokra van szükség, és ez a hiba akkor jelentkezik, ha kiválaszt egy funkcióoszlopot vagy címkeoszlopot.

Megoldás:

1. Tekintse át az aktuálisan kijelölt oszlopok adattípusát.

2. Győződjön meg arról, hogy a kijelölt oszlopok kategorikus, címke vagy funkcióoszlopok.

3. Tekintse át annak a modulnak a súgótémakörét, amelyben kiválasztotta az oszlopot, és állapítsa meg, hogy vannak-e konkrét követelmények az adattípusra vagy az oszlophasználatra vonatkozóan.

4. A metaadatok szerkesztésével módosíthatja az oszloptípust a művelet időtartama alatt. Ha az alsóbb rétegbeli műveletekhez szüksége van rá, mindenképpen módosítsa az oszloptípust az eredeti értékére a Metaadatok szerkesztése másik példányának használatával.

Kivételüzenetek
Egy vagy több kijelölt oszlop nem volt engedélyezett kategóriában.
A "{0}" nevű oszlop nem szerepel az engedélyezett kategóriában.

0057-ös hiba

Kivétel történik egy már létező fájl vagy blob létrehozásakor.

Ez a kivétel akkor fordul elő, ha az Adatok exportálása modult vagy más modult használ egy kísérlet eredményeinek mentéséhez Machine Learning az Azure Blob Storage-ba, de már létező fájlt vagy blobot próbál létrehozni.

Megoldás:

Ez a hiba csak akkor jelenik meg, ha korábban hiba értékre állította az Azure Blob Storage írási módját. Ez a modul úgy van kialakítva, hogy hibát jelez, ha egy már létező blobba próbál meg adathalmazt írni.

• Nyissa meg a modul tulajdonságait, és módosítsa az Azure Blob Storage írási módjátfelülírásra.
• Másik lehetőségként beírhatja egy másik célblob vagy fájl nevét, és ügyeljen arra, hogy olyan blobot adjon meg, amely még nem létezik.

Kivételüzenetek
A fájl vagy blob már létezik.
A "" fájl vagy blob{0} már létezik.

0058-os hiba

Ez a hiba Machine Learning akkor fordul elő, ha az adathalmaz nem tartalmazza a várt címkeoszlopot.

Ez a kivétel akkor is előfordulhat, ha a megadott címkeoszlop nem egyezik a tanuló által várt adatokkal vagy adattípussal, vagy helytelen értékekkel rendelkezik. Ez a kivétel például akkor jön létre, ha egy bináris osztályozó betanításakor valós értékű címkeoszlopot használ.

Felbontás: A megoldás a használt tanulótól vagy oktatótól és az adathalmaz oszlopainak adattípusától függ. Először ellenőrizze a gépi tanulási algoritmus vagy a betanítási modul követelményeit.

Nyissa meg újra a bemeneti adatkészletet. Ellenőrizze, hogy a címkeként kezelni kívánt oszlop megfelelő adattípussal rendelkezik-e a létrehozott modellhez.

Ellenőrizze a hiányzó értékeket, és szükség esetén törölje vagy cserélje le őket.

Ha szükséges, adja hozzá a Metaadatok szerkesztése modult, és győződjön meg arról, hogy a címkeoszlop címkeként van megjelölve.

Kivételüzenetek
A címkeoszlop nem a várt módon működik
A címkeoszlop nem a várt módon szerepel a "{0}" oszlopban.
A "{0}" címkeoszlop nem várható a "{1}" oszlopban.

0059-ös hiba

Kivétel akkor fordul elő, ha egy oszlopválasztóban megadott oszlopindex nem elemezhető.

Ez a hiba Machine Learning akkor fordul elő, ha az Oszlopválasztó használatakor megadott oszlopindex nem elemezhető. Ez a hibaüzenet akkor jelenik meg, ha az oszlopindex érvénytelen formátumú, és nem elemezhető.

Felbontás: Módosítsa az oszlopindexet úgy, hogy érvényes indexértéket használjon.

Kivételüzenetek
Egy vagy több megadott oszlopindex vagy indextartomány nem elemezhető.
Az oszlopindex vagy a "{0}" tartomány nem elemezhető.

0060-os hiba

Kivétel akkor fordul elő, ha a tartományon kívüli oszloptartomány van megadva egy oszlopválasztóban.

Ez a hiba Machine Learning akkor fordul elő, ha az Oszlopválasztóban tartományon kívüli oszloptartomány van megadva. Ez a hiba akkor jelenik meg, ha az oszlopválasztó oszloptartománya nem felel meg az adathalmaz oszlopainak.

Felbontás: Módosítsa az oszlopválasztó oszloptartományát úgy, hogy az megfeleljen az adathalmaz oszlopainak.

Kivételüzenetek
Érvénytelen vagy kívül esik a megadott tartomány oszlopindextartományán.
A "{0}" oszloptartomány érvénytelen vagy kívül esik a tartományon.

0061-os hiba

Kivétel történik, ha olyan sort próbál hozzáadni egy DataTable-hoz, amely a táblától eltérő számú oszlopot tartalmaz.

Ez a hiba Machine Learning akkor fordul elő, ha olyan sorokat próbál hozzáadni egy olyan adathalmazhoz, amely az adathalmaztól eltérő számú oszlopot tartalmaz. Ez a hibaüzenet akkor jelenik meg, ha az adathalmazhoz hozzáadott sor a bemeneti adatkészlettől eltérő számú oszlopot tartalmaz. A sor nem fűzhető hozzá az adathalmazhoz, ha az oszlopok száma eltér.

Felbontás: Módosítsa a bemeneti adatkészletet úgy, hogy a sorhoz megadott számú oszlop legyen, vagy módosítsa úgy a hozzáadott sort, hogy ugyanannyi oszlop legyen, mint az adathalmaz.

Kivételüzenetek
Minden táblának ugyanannyi oszloppal kell rendelkeznie.

0062-s hiba

Kivétel akkor fordul elő, ha két modellt próbál összehasonlítani a különböző tanulótípusokkal.

Ez a hiba Machine Learning akkor jön létre, ha két különböző pontozott adathalmaz kiértékelési metrikái nem hasonlíthatók össze. Ebben az esetben nem lehet összehasonlítani a két pontozott adathalmaz előállításához használt modellek hatékonyságát.

Felbontás: Ellenőrizze, hogy a pontozott eredményeket ugyanazzal a gépi tanulási modellel állítják-e elő (bináris besorolás, regresszió, többosztályos besorolás, javaslat, fürtözés, anomáliadetektálás stb.) Minden összehasonlított modellnek azonos tanulótípussal kell rendelkeznie.

Kivételüzenetek
Minden modellnek azonos tanulótípussal kell rendelkeznie.

0063-os hiba

Ez a kivétel akkor jelentkezik, ha az R-szkript kiértékelése hibával meghiúsul.

Ez a hiba akkor fordul elő, ha R-szkriptet adott meg az Machine Learning R nyelvi moduljainak egyikében, és az R-kód belső szintaxishibákat tartalmaz. A kivétel akkor is előfordulhat, ha helytelen bemeneteket ad meg az R-szkriptnek.

A hiba akkor is előfordulhat, ha a szkript túl nagy a munkaterületen való végrehajtáshoz. Az Execute R Script modul maximális szkriptmérete 1000 sor vagy 32 KB munkaterület, amelyik kisebb.

Megoldás:

1. A (klasszikus) Machine Learning Studióban kattintson a jobb gombbal a hibát tartalmazó modulra, és válassza a Napló megtekintése parancsot.
2. Vizsgálja meg a modul standard hibanaplóját, amely tartalmazza a verem nyomkövetését.
   • A [ModuleOutput] kezdetű sorok az R kimenetét jelzik.
   • Az R figyelmeztetésként megjelölt üzenetei általában nem okozzák a kísérlet meghiúsulását.
3. Szkriptproblémák megoldása.
   • Ellenőrizze az R-szintaxis hibáit. Ellenőrizze, hogy vannak-e definiált, de soha nem kitöltött változók.
   • Tekintse át a bemeneti adatokat és a szkriptet annak megállapításához, hogy a szkriptben szereplő adatok vagy változók Machine Learning által nem támogatott karaktereket használnak-e.
   • Ellenőrizze, hogy az összes csomagfüggőség telepítve van-e.
   • Ellenőrizze, hogy a kód betölti-e az alapértelmezés szerint nem betöltött szükséges kódtárakat.
   • Ellenőrizze, hogy a szükséges csomagok a megfelelő verziójúak-e.
   • Győződjön meg arról, hogy a kimenetként megjeleníteni kívánt adathalmazok adatkeretté lesznek konvertálva.
4. Küldje el újra a kísérletet.

Megjegyzés

Ezek a témakörök példákat tartalmaznak a használható R-kódra, valamint az R-szkriptet használó Cortana Intelligence Galleryben található kísérletekre mutató hivatkozásokat.

• R-szkript végrehajtása
• R-modell létrehozása

Kivételüzenetek
Hiba az R-szkript kiértékelése során.
Az R-szkript kiértékelése során a következő hiba történt: ---------- R ---------- {0} hibaüzenetének kezdete ----------- Az R------------
Az "{1}" R-szkript kiértékelése során a következő hiba történt: ---------- Hibaüzenet kezdete az R-ből ---------- {0} ----------- R-hibaüzenet vége -----------

0064-s hiba

Kivétel akkor fordul elő, ha az Azure Storage-fiók neve vagy a tárkulcs helytelenül van megadva.

Ez a hiba Machine Learning akkor fordul elő, ha az Azure Storage-fiók neve vagy a tárkulcs helytelenül van megadva. Ez a hibaüzenet akkor jelenik meg, ha helytelen fióknevet vagy jelszót ad meg a tárfiókhoz. Ez akkor fordulhat elő, ha manuálisan adja meg a fiók nevét vagy jelszavát. Akkor is előfordulhat, ha a fiókot törölték.

Felbontás: Ellenőrizze, hogy helyesen adta-e meg a fiók nevét és jelszavát, és hogy létezik-e a fiók.

Kivételüzenetek
Az Azure Storage-fiók neve vagy a tárkulcs helytelen.
Az Azure Storage-fiók neve "{0}" vagy a fióknévhez tartozó tárkulcs helytelen.

0065-ös hiba

Kivétel akkor fordul elő, ha az Azure-blob neve helytelenül van megadva.

Ez a hiba Machine Learning akkor fordul elő, ha az Azure-blob neve helytelenül van megadva. A hibaüzenet akkor jelenik meg, ha:

• A blob nem található a megadott tárolóban.

• A counts modulokkal rendelkező Tanulás kimenetéhez megadott blob teljes neve 512 karakternél hosszabb.

• Csak a tároló lett megadva forrásként egy adatimportálási kérelemben, amikor a formátumot kódolással Excel vagy CSV-vel. A tárolóban lévő összes blob tartalmának összefűzése nem engedélyezett ezekkel a formátumokkal.

• Az SAS URI nem tartalmazza az érvényes blob nevét.

Felbontás: Nyissa meg újra a modult, amely kivételt jelez. Ellenőrizze, hogy a megadott blob létezik-e a tárfiók tárolójában, és hogy az engedélyek lehetővé teszik-e a blob megtekintését. Ellenőrizze, hogy a bemenet tárolónév/fájlnév formátumú-e, ha Excel vagy kódolási formátumokkal rendelkező CSV-vel rendelkezik. Ellenőrizze, hogy egy SAS URI tartalmazza-e egy érvényes blob nevét.

Kivételüzenetek
Az Azure Storage-blob helytelen.
Az "" Azure Storage-blobnév{0} helytelen

0066-os hiba

Kivétel akkor fordul elő, ha egy erőforrás nem tölthető fel egy Azure-blobba.

Ez a hiba Machine Learning akkor fordul elő, ha egy erőforrás nem tölthető fel egy Azure-blobba. Ez az üzenet akkor jelenik meg, ha a Vowpal Wabbit 7-4 modell betanítása hibát észlel a modell vagy a modell betanítása során létrehozott kivonat mentésére tett kísérlet során. Mindkettő ugyanabba az Azure-tárfiókba lesz mentve, mint a bemeneti fájlt tartalmazó fiók.

Felbontás: Nyissa meg újra a modult. Ellenőrizze, hogy az Azure-fiók neve, a tárkulcs és a tároló helyes-e, és hogy a fiók rendelkezik-e engedéllyel a tárolóba való íráshoz.

Kivételüzenetek
Az erőforrás nem tölthető fel az Azure Storage-ba.
A "{0}" fájl nem tölthető fel az Azure Storage-ba.{1}

0067-s hiba

Kivétel akkor fordul elő, ha egy adathalmaz a vártnál eltérő számú oszlopot tartalmaz.

Ez a hiba Machine Learning akkor fordul elő, ha egy adathalmaz a vártnál eltérő számú oszlopot tartalmaz. Ez a hibaüzenet akkor jelenik meg, ha az adathalmaz oszlopainak száma eltér a modul által a végrehajtás során elvárt oszlopok számától.

Felbontás: Módosítsa a bemeneti adatkészletet vagy a paramétereket.

Kivételüzenetek
Az adattábla oszlopainak váratlan száma.
"{0}" oszlopokat várt, de ehelyett "{1}" oszlopokat talált.

0068-os hiba

Kivétel akkor fordul elő, ha a megadott Hive-szkript helytelen.

Ez a Machine Learning hiba akkor fordul elő, ha szintaxishibák vannak egy Hive QL-szkriptben, vagy ha a Hive-értelmező hibát tapasztal a lekérdezés vagy a szkript végrehajtása során.

Megoldás:

A Hive-ből érkező hibaüzenetet általában a hibanaplóban jelenti a rendszer, hogy az adott hiba alapján elvégezhesse a műveletet.

• Nyissa meg a modult, és vizsgálja meg a lekérdezés hibáit.
• Ellenőrizze, hogy a lekérdezés megfelelően működik-e a Machine Learning kívül. Ehhez jelentkezzen be a Hadoop-fürt Hive-konzoljára, és futtassa a lekérdezést.
• Próbáljon meg megjegyzéseket elhelyezni a Hive-szkriptben egy külön sorban, nem pedig a végrehajtható utasítások és megjegyzések egyetlen sorban való összekeverésével.

Források

A gépi tanulással kapcsolatos Hive-lekérdezésekkel kapcsolatos segítségért tekintse meg az alábbi cikkeket:

• Hive-táblák létrehozása és adatok betöltése Azure Blob Storage
• Táblák adatainak megismerése Hive-lekérdezésekkel
• Funkciók létrehozása az adatokhoz egy Hadoop-fürtben Hive-lekérdezések segítségével
• Hive for SQL Users Cheat Sheet (PDF)

Kivételüzenetek
A Hive-szkript helytelen.
A Hive-szkript {0} nem helyes.

0069-s hiba

Kivétel akkor fordul elő, ha a megadott SQL szkript helytelen.

Ez a hiba Machine Learning akkor fordul elő, ha a megadott SQL szkript szintaxisproblémákkal rendelkezik, vagy ha a szkriptben megadott oszlopok vagy táblák érvénytelenek.

Ez a hiba akkor jelenik meg, ha a SQL motor bármilyen hibát észlel a lekérdezés vagy a szkript végrehajtása során. A SQL hibaüzenet általában a hibanaplóban jelenik meg, így az adott hiba alapján műveletet hajthat végre.

Felbontás: Tekintse meg újra a modult, és vizsgálja meg a SQL lekérdezés hibáit.

Ellenőrizze, hogy a lekérdezés megfelelően működik-e az Azure-ML kívül, ha közvetlenül bejelentkezik az adatbázis-kiszolgálóra, és futtatja a lekérdezést.

Ha a modulkivétel SQL generált üzenetet jelent, hajtsa végre a műveletet a jelentett hiba alapján. A hibaüzenetek például néha konkrét útmutatást tartalmaznak a valószínű hibával kapcsolatban:

• Nincs ilyen oszlop vagy hiányzó adatbázis, ami azt jelzi, hogy hibásan írta be az oszlopnevet. Ha biztos abban, hogy az oszlop neve helyes, próbálkozzon szögletes zárójelek vagy idézőjelek használatával az oszlopazonosító beágyazásához.
• SQL logikai hiba SQL kulcsszó> közelében<, ami azt jelzi, hogy a megadott kulcsszó előtt szintaxishiba lépett fel

Kivételüzenetek
SQL szkript helytelen.
SQL "{0}" lekérdezés helytelen.
SQL "{0}" lekérdezés helytelen:{1}

0070-s hiba

Kivétel történik a nem létező Azure-tábla elérésekor.

Ez a hiba Machine Learning akkor fordul elő, ha nem létező Azure-táblát próbál elérni. Ez a hiba akkor jelenik meg, ha megad egy táblát az Azure Storage-ban, amely nem létezik az Azure Table Storage olvasásakor vagy írásakor. Ez akkor fordulhat elő, ha helytelenül írja be a kívánt tábla nevét, vagy ha a célnév és a tároló típusa nem egyezik. Például egy táblából akart olvasni, de ehelyett egy blob nevét adta meg.

Felbontás: Térjen vissza a modulhoz, és ellenőrizze, hogy a tábla neve helyes-e.

Kivételüzenetek
Az Azure-tábla nem létezik.
Az "{0}" Azure-tábla nem létezik.

0071-s hiba

Kivétel történik, ha a megadott hitelesítő adatok helytelenek.

Ez a hiba Machine Learning akkor fordul elő, ha a megadott hitelesítő adatok helytelenek.

Ez a hiba akkor is előfordulhat, ha a modul nem tud csatlakozni egy HDInsight-fürthöz.

Felbontás: Tekintse át a modul bemeneteit, és ellenőrizze a fiók nevét és jelszavát.

Ellenőrizze a következő hibákat, amelyek hibát okozhatnak:

• Az adathalmaz sémája nem egyezik a céladattábla sémával.

• Hiányzó vagy hibásan írt oszlopnevek

• Olyan táblába ír, amelynek oszlopnevei érvénytelen karaktereket tartalmaznak. Az ilyen oszlopneveket általában szögletes zárójelek közé lehet tenni, de ha ez nem működik, az oszlopnevek szerkesztéséhez csak betűket és aláhúzásjeleket (_) használjon.

• Az írni kívánt sztringek szimpla idézőjeleket tartalmaznak

Ha HDInsight-fürthöz próbál csatlakozni, ellenőrizze, hogy a célfürt elérhető-e a megadott hitelesítő adatokkal.

Kivételüzenetek
A rendszer helytelen hitelesítő adatokat ad át.
Helytelen felhasználónév vagy{0} jelszó lett átadva

0072-s hiba

A kapcsolat időtúllépése esetén kivétel történik.

Ez a hiba Machine Learning akkor fordul elő, ha egy kapcsolat túllépi az időkorlátot. Ez a hiba akkor jelenik meg, ha az adatforrással vagy a célhelypel kapcsolatban jelenleg csatlakozási problémák lépnek fel, például lassú internetkapcsolat, vagy ha az adathalmaz nagy méretű, és/vagy ha az adatokba beolvasandó SQL lekérdezés bonyolult feldolgozást végez.

Felbontás: Állapítsa meg, hogy jelenleg problémák merülnek-e fel az Azure Storage-hoz vagy az internethez való lassú kapcsolattal kapcsolatban.

Kivételüzenetek
Kapcsolat időtúllépése történt.

0073-os hiba

Kivétel akkor fordul elő, ha hiba történik egy oszlop másik típusra konvertálása közben.

Ez a hiba Machine Learning akkor fordul elő, ha az oszlopot nem lehet másik típusra konvertálni. Ez a hiba akkor jelenik meg, ha egy modul egy adott típust igényel, és az oszlop nem alakítható át új típusra.

Felbontás: Módosítsa a bemeneti adatkészletet úgy, hogy az oszlop a belső kivétel alapján konvertálható legyen.

Kivételüzenetek
Nem sikerült átalakítani az oszlopot.
Nem sikerült átalakítani az oszlopot {0}.

0074-s hiba

Kivétel akkor fordul elő, ha a Metaadatok szerkesztése elem kategorikussá próbál konvertálni egy ritka oszlopot.

Ez a hiba Machine Learning akkor fordul elő, amikor a Metaadatok szerkesztése megpróbálja kategorikussá alakítani a ritka oszlopokat. Ez a hibaüzenet jelenik meg, amikor a Ritka oszlopok kategorikussá konvertálása a Kategorikussá tétele beállítással próbálkozik. Machine Learning nem támogatja a ritka kategorikus tömböket, ezért a modul sikertelen lesz.

Felbontás: A Konvertálás adathalmazsá alakítással sűrűvé teheti az oszlopot, vagy ne alakítsa át kategorikussá.

Kivételüzenetek
A ritka oszlopokat nem lehet kategorikussá alakítani.

0075-ös hiba

Kivétel akkor fordul elő, ha érvénytelen dobozoló függvényt használ egy adatkészlet kvantálásakor.

Ez a hiba Machine Learning akkor fordul elő, ha nem támogatott módszerrel próbál adatokat intervallumba tenni, vagy ha a paraméterkombinációk érvénytelenek.

Megoldás:

Az esemény hibakezelése a Machine Learning egy korábbi verziójában jelent meg, amely lehetővé tette a dobozolási módszerek további testreszabását. Jelenleg az összes dobozolási módszer egy legördülő listából származó kijelölésen alapul, ezért technikailag nem lehet többé ezt a hibát megkapni.

Ha ez a hiba akkor jelentkezik, amikor a Csoportadatok gyűjtőkbe modult használja, érdemes lehet jelenteni a problémát az Machine Learning fórumon, megadva az adattípusokat, a paraméterbeállításokat és a pontos hibaüzenetet.

Kivételüzenetek
Érvénytelen dobozoló függvényt használ.

0077-s hiba

Kivétel akkor fordul elő, ha ismeretlen blobfájl írási módja lejárt.

Ez a Machine Learning hiba akkor fordul elő, ha érvénytelen argumentumot ad át a blobfájl célhelyének vagy forrásának specifikációiban.

Felbontás: Szinte minden olyan modulban, amely adatokat importál vagy exportál az Azure Blob Storage-ba és onnan, az írási módot vezérlő paraméterértékek egy legördülő listával vannak hozzárendelve; ezért nem lehet érvénytelen értéket megadni, és ez a hiba nem jelenhet meg. Ez a hiba egy későbbi kiadásban megszűnik.

Kivételüzenetek
Nem támogatott blobírási mód.
Nem támogatott blobírási mód: {0}.

0078-os hiba

Kivétel akkor fordul elő, ha az Adatok importálása HTTP-beállítás egy átirányítást jelző 3xx állapotkódot kap.

Ez a hiba Machine Learning akkor fordul elő, ha az Adatok importálása HTTP-beállítás 3xx (301, 302, 304 stb.) állapotkódot kap, amely átirányítást jelez. Ez a hibaüzenet akkor jelenik meg, ha olyan HTTP-forráshoz próbál csatlakozni, amely átirányítja a böngészőt egy másik lapra. Biztonsági okokból a webhelyek átirányítása nem engedélyezett adatforrásként az Machine Learning számára.

Felbontás: Ha a webhely megbízható webhely, adja meg közvetlenül az átirányított URL-címet.

Kivételüzenetek
A HTTP-átirányítás nem engedélyezett

0079-s hiba

Kivétel történik, ha az Azure Storage-tároló neve helytelenül van megadva.

Ez a hiba Machine Learning akkor fordul elő, ha az Azure Storage-tároló neve helytelenül van megadva. Ez a hibaüzenet akkor jelenik meg, ha nem adta meg a tároló és a blob (fájl) nevét a tároló elérési útjának beállításával, amely a tároló beállítással kezdődik, amikor Azure Blob Storage ír.

Felbontás: Nyissa meg újra az Adatok exportálása modult, és ellenőrizze, hogy a blob megadott elérési útja tartalmazza-e a tárolót és a fájlnevet is tároló /fájlnév formátumban.

Kivételüzenetek
Az Azure Storage-tároló neve helytelen.
Az "" Azure Storage-tároló neve{0} helytelen; a tároló/blob formátum tárolójának neve várt.

0080-ás hiba

Kivétel akkor fordul elő, ha a modul nem engedélyezi az összes hiányzó értéket tartalmazó oszlopot.

Ez a Machine Learning hiba akkor jön létre, ha a modul által felhasznált oszlopok közül legalább egy tartalmazza az összes hiányzó értéket. Ha például egy modul az egyes oszlopok összesített statisztikáit számítja ki, akkor nem működhet olyan oszlopon, amely nem tartalmaz adatokat. Ilyen esetekben a modulvégrehajtás ezzel a kivétellel leáll.

Felbontás: Nyissa meg újra a bemeneti adathalmazt, és távolítsa el az összes hiányzó értéket tartalmazó oszlopokat.

Kivételüzenetek
Az összes hiányzó értéket tartalmazó oszlopok nem engedélyezettek.
Az oszlopban {0} minden érték hiányzik.

0081-s hiba

Kivétel történik a PCA-modulban, ha a csökkenteni kívánt dimenziók száma megegyezik a bemeneti adathalmazban lévő szolgáltatásoszlopok számával, amely legalább egy ritka funkcióoszlopot tartalmaz.

Ez a hiba Machine Learning a következő feltételek teljesülése esetén jön létre: a) a bemeneti adatkészlet legalább egy ritka oszloppal rendelkezik, és (b) a kért dimenziók végső száma megegyezik a bemeneti dimenziók számával.

Felbontás: Érdemes lehet csökkenteni a kimenetben lévő dimenziók számát, hogy kevesebb legyen, mint a bemenetben lévő dimenziók száma. Ez a PCA-alkalmazásokban jellemző. További információ: Fő összetevő elemzése.

Kivételüzenetek
A ritkán használt funkcióoszlopokat tartalmazó adathalmazok esetében a csökkenteni kívánt dimenziók számának kisebbnek kell lennie, mint a funkcióoszlopok száma.

0082-s hiba

Kivétel akkor fordul elő, ha egy modell nem deszerializálható sikeresen.

Ez a hiba Machine Learning akkor fordul elő, ha egy mentett gépi tanulási modellt vagy átalakítást nem tud betölteni a Machine Learning futtatókörnyezet újabb verziója egy kompatibilitástörő változás miatt.

Felbontás: A modellt vagy átalakítást előállító betanítási kísérletet újra kell futtatni, és a modellt vagy átalakítást újra kell menteni.

Kivételüzenetek
A modell nem deszerializálható, mert valószínűleg régebbi szerializálási formátummal szerializálva van. A modell újratanítása és újbóli mentése.

0083-ás hiba

Kivétel akkor fordul elő, ha a betanításhoz használt adatkészlet nem használható konkrét tanulótípushoz.

Ez a Machine Learning hiba akkor jön létre, ha az adathalmaz nem kompatibilis a betanított tanulóval. Előfordulhat például, hogy az adatkészlet minden sorban legalább egy hiányzó értéket tartalmaz, ezért a betanítás során a teljes adatkészlet kimarad. Más esetekben egyes gépi tanulási algoritmusok, például az anomáliadetektálási algoritmusok nem várnak címkéket, és ezt a kivételt okozhatják, ha címkék szerepelnek az adathalmazban.

Felbontás: Tekintse meg a bemeneti adathalmaz követelményeinek ellenőrzéséhez használt tanuló dokumentációját. Vizsgálja meg az oszlopokat, és tekintse meg az összes szükséges oszlopot.

Kivételüzenetek
A betanításhoz használt adatkészlet érvénytelen.
{0} érvénytelen adatokat tartalmaz a betanításhoz.
{0} érvénytelen adatokat tartalmaz a betanításhoz. Tanuló típusa: {1}.

0084-s hiba

Kivétel akkor fordul elő, ha az R-szkriptből előállított pontszámok kiértékelése történik. Ez jelenleg nem támogatott.

Ez a hiba Machine Learning akkor fordul elő, ha az egyik modult egy pontszámokat tartalmazó R-szkript kimenetét tartalmazó modell kiértékeléséhez próbálja használni.

Megoldás:

Kivételüzenetek
Az R által előállított pontszámok kiértékelése jelenleg nem támogatott.

0085-ös hiba

Kivétel akkor fordul elő, ha a szkript kiértékelése hibával meghiúsul.

Ez a hiba Machine Learning akkor fordul elő, ha szintaxishibákat tartalmazó egyéni szkriptet futtat.

Felbontás: Tekintse át a kódot egy külső szerkesztőben, és ellenőrizze a hibákat.

Kivételüzenetek
Hiba a szkript kiértékelése során.
A szkript kiértékelése során a következő hiba történt, további információért tekintse meg a kimeneti naplót: ---------- Értelmezőtől származó {0} hibaüzenet kezdete ---------- {1} ---------- Értelmezőtől érkező {0} hibaüzenet vége ----------

0086-os hiba

Kivétel akkor fordul elő, ha a számlálási átalakítás érvénytelen.

Ez a hiba Machine Learning akkor fordul elő, ha egy számtáblán alapuló átalakítást választ ki, de a kijelölt átalakítás nem kompatibilis az aktuális adatokkal vagy az új darabszámtáblával.

Felbontás: A modul támogatja az átalakítást alkotó számok és szabályok mentését két különböző formátumban. Ha számlálótáblákat egyesít, ellenőrizze, hogy mindkét egyesíteni kívánt tábla ugyanazt a formátumot használja-e.

Általánosságban elmondható, hogy a darabszám-alapú átalakítás csak olyan adathalmazokra alkalmazható, amelyek sémája megegyezik azzal az adatkészlettel, amelyen az átalakítás eredetileg létre lett hozva.

Általános információ: Tanulás a Darabszám függvénnyel. A számlálóalapú funkciók létrehozásával és egyesítésével kapcsolatos követelményekért tekintse meg az alábbi témaköröket:

• Számátalakítás egyesítése

• Darabszámtábla importálása

• Táblaparaméterek számának módosítása

Kivételüzenetek
Érvénytelen megszámlálási átalakítás van megadva.
A számlálási átalakítás a "{0}" bemeneti porton érvénytelen.
A számlálási átalakítás a "{0}" bemeneti porton nem egyesíthető a számlálási átalakítással a ""{1} bemeneti porton. Ellenőrizze az egyezések megszámlálásához használt metaadatokat.

0087-s hiba

Kivétel akkor fordul elő, ha érvénytelen számtáblatípus van megadva a számlálómodulokkal való tanuláshoz.

Ez a hiba Machine Learning akkor fordul elő, ha egy meglévő számlálótáblát próbál importálni, de a tábla nem kompatibilis az aktuális adatokkal vagy az új számlálótáblával.

Felbontás: Az átalakítást alkotó számokat és szabályokat különböző formátumok mentik. Ha számlálótáblákat egyesít, ellenőrizze, hogy mindkettő ugyanazt a formátumot használja-e.

A darabszám-alapú átalakítások általában csak olyan adathalmazokra alkalmazhatók, amelyek sémája megegyezik azzal az adatkészlettel, amelyen az átalakítás eredetileg létrejött.

Általános információ: Tanulás a Darabszám függvénnyel. A számlálóalapú szolgáltatások létrehozásával és egyesítésével kapcsolatos követelményekért tekintse meg az alábbi témaköröket:

0088-ás hiba

Kivétel történik, ha érvénytelen számlálási típus van megadva a számlálómodulokkal való tanuláshoz.

Ez a hiba Machine Learning akkor fordul elő, ha a számlálóalapú jellemzősítéshez támogatotttól eltérő számolási módszert próbál használni.

Felbontás: A számlálási módszerek általában egy legördülő listából vannak kiválasztva, ezért nem jelenik meg ez a hiba.

Általános információ: Tanulás a Darabszám függvénnyel. A számlálóalapú szolgáltatások létrehozásával és egyesítésével kapcsolatos követelményekért tekintse meg az alábbi témaköröket:

• Darabszám-átalakítás egyesítése

• Darabszámtábla importálása

• Táblaparaméterek számának módosítása

Kivételüzenetek
Érvénytelen megszámlálási típus van megadva.
A megadott "" számlálótípus{0} nem érvényes számlálótípus.

0089-s hiba

Kivétel történik, ha a megadott számú osztály kisebb, mint a számláláshoz használt adatkészletben lévő osztályok tényleges száma.

Ez a hiba Machine Learning akkor fordul elő, ha számlálótáblát hoz létre, és a címkeoszlop a modulparaméterekben megadotttól eltérő számú osztályt tartalmaz.

Felbontás: Ellenőrizze az adathalmazt, és állapítsa meg, hogy pontosan hány különböző érték (lehetséges osztály) található a címkeoszlopban. A számlálótábla létrehozásakor legalább ennyi osztályt meg kell adnia.

A count tábla nem tudja automatikusan meghatározni az elérhető osztályok számát.

A számlálótábla létrehozásakor nem adhat meg 0-t vagy olyan számot, amely kisebb, mint a címkeoszlopban található osztályok tényleges száma.

Kivételüzenetek
Az osztályok száma helytelen. Győződjön meg arról, hogy a paraméterpanelen megadott osztályok száma nagyobb vagy egyenlő a címkeoszlopban található osztályok számával.
A megadott osztályok száma ""{0}, amely nem nagyobb, mint a megszámláláshoz használt adatkészletben lévő ""{1} címkeérték. Győződjön meg arról, hogy a paraméterpanelen megadott osztályok száma nagyobb vagy egyenlő a címkeoszlopban található osztályok számával.

0090-s hiba

Kivétel történik, ha a Hive-tábla létrehozása sikertelen.

Ez a hiba Machine Learning akkor fordul elő, ha adatok exportálását vagy más beállítást használ az adatok HDInsight-fürtbe való mentéséhez, és a megadott Hive-tábla nem hozható létre.

Felbontás: Ellenőrizze a fürthöz társított Azure Storage-fiók nevét, és ellenőrizze, hogy ugyanazt a fiókot használja-e a modul tulajdonságai között.

Kivételüzenetek
A Hive-tábla nem hozható létre. HDInsight-fürt esetén győződjön meg arról, hogy a fürthöz társított Azure-tárfiók neve megegyezik a modulparaméteren keresztül átadott névvel.
A "{0}" Hive-tábla nem hozható létre. HDInsight-fürt esetén győződjön meg arról, hogy a fürthöz társított Azure-tárfiók neve megegyezik a modulparaméteren keresztül átadott névvel.
A "{0}" Hive-tábla nem hozható létre. HDInsight-fürt esetén győződjön meg arról, hogy a fürthöz társított Azure-tárfiók neve "{1}".

0100-ás hiba

Kivétel történik, ha egy egyéni modulhoz nem támogatott nyelv van megadva.

Ez a hiba Machine Learning akkor fordul elő, ha egyéni modult hoz létre, és az egyéni modul XML-definíciós fájljának Language elemének névtulajdonsága érvénytelen értékkel rendelkezik. Jelenleg a tulajdonság egyetlen érvényes értéke.R Például:

<Language name="R" sourceFile="CustomAddRows.R" entryPoint="CustomAddRows" />

Felbontás: Ellenőrizze, hogy az egyéni modul XML-definíciós fájljának Language elemének névtulajdonsága a következőre Rvan-e állítva. Mentse a fájlt, frissítse az egyéni modul zip-csomagjának tartalmát, és próbálja meg újból hozzáadni az egyéni modult.

Kivételüzenetek
Nem támogatott egyéni modulnyelv megadva

0101-s hiba

Minden port- és paraméterazonosítónak egyedinek kell lennie.

Ez a hiba Machine Learning akkor fordul elő, ha egy egyéni modul XML-definíciós fájljában egy vagy több port vagy paraméter azonos azonosítóértéket kap.

Felbontás: Ellenőrizze, hogy az összes port és paraméter azonosítóértékei egyediek-e. Mentse az XML-fájlt, frissítse az egyéni modul zip-csomagjának tartalmát, és próbálja meg újból hozzáadni az egyéni modult.

Kivételüzenetek
Egy modul összes port- és paraméterazonosítójának egyedinek kell lennie
A "{0}" modulban duplikált port-/argumentumazonosítók vannak. Minden port/argumentum azonosítójának egyedinek kell lennie egy modulhoz.

0102-s hiba

Zip-fájl nem bontható ki.

Ez a hiba Machine Learning akkor fordul elő, ha .zip kiterjesztésű tömörített csomagot importál, de a csomag vagy nem zip-fájl, vagy a fájl nem támogatott zip-formátumot használ.

Felbontás: Győződjön meg arról, hogy a kijelölt fájl érvényes .zip fájl, és hogy az egyik támogatott tömörítési algoritmussal tömörítették.

Ha ez a hiba akkor jelenik meg, amikor tömörített formátumú adathalmazokat importál, ellenőrizze, hogy az összes tartalmazott fájl a támogatott fájlformátumok valamelyikét használja-e, és Unicode formátumú-e. További információ: Tömörített adathalmazok kicsomagolása.

Próbálja meg beolvasni a kívánt fájlokat egy új tömörített mappába, és próbálja meg újból hozzáadni az egyéni modult.

Kivételüzenetek
A megadott ZIP-fájl formátuma nem megfelelő

0103-ás hiba

Akkor történik, ha egy ZIP-fájl nem tartalmaz .xml fájlokat

Ez a hiba Machine Learning akkor fordul elő, ha az egyéni modul zip-csomagja nem tartalmaz moduldefiníciós (.xml) fájlokat. Ezeknek a fájloknak a zip-csomag gyökerében kell elhelyezkedniük (például nem egy almappában).)

Felbontás: Ellenőrizze, hogy egy vagy több XML-moduldefiníciós fájl található-e a zip-csomag gyökérmappájában. Ehhez bontsa ki azt a lemezmeghajtó egy ideiglenes mappájába. Az XML-fájloknak közvetlenül abban a mappában kell lenniük, amelybe kibontotta a zip-csomagot. Győződjön meg arról, hogy a zip-csomag létrehozásakor nem jelöl ki olyan mappát, amely tömörítendő XML-fájlokat tartalmaz, mivel ezzel létrehoz egy almappát a zip-csomagban, amelynek a neve megegyezik a tömörítendő mappával.

Kivételüzenetek
A megadott ZIP-fájl nem tartalmaz moduldefiníciós fájlokat (.xml fájlokat)

0104-s hiba

Akkor fordulnak fel, amikor egy moduldefiníciós fájl nem található szkriptre hivatkozik

Ez a hiba Machine Learning akkor jelenik meg, ha egy egyéni modul XML-definíciós fájlja olyan szkriptfájlra hivatkozik a Language elemben, amely nem létezik a zip-csomagban. A szkriptfájl elérési útja a Language elem sourceFile tulajdonságában van definiálva. A forrásfájl elérési útja a zip-csomag gyökeréhez viszonyítva van (ugyanazon a helyen, ahol a modul XML-definíciós fájljai találhatók). Ha a parancsfájl egy almappában található, meg kell adni a parancsfájl relatív elérési útját. Ha például az összes szkriptet egy myScripts mappában tárolták a zip-csomagban, a Language elemnek hozzá kell adnia ezt az elérési utat a sourceFile tulajdonsághoz az alábbiak szerint. Például:

<Language name="R" sourceFile="myScripts/CustomAddRows.R" entryPoint="CustomAddRows" />

Felbontás: Győződjön meg arról, hogy az egyéni modul XML-definíciójának Language elemében található sourceFile tulajdonság értéke helyes, és hogy a forrásfájl a zip-csomag megfelelő relatív elérési útjában található.

Kivételüzenetek
A hivatkozott R-szkriptfájl nem létezik.
A hivatkozott R-szkriptfájl ('{0}' nem található). Győződjön meg arról, hogy a fájl relatív elérési útja helyes a definíciók helyéről.

0105-ös hiba

Ez a hiba akkor jelenik meg, ha egy moduldefiníciós fájl nem támogatott paramétertípust tartalmaz

Ez a hiba Machine Learning akkor következik be, ha az egyéni modul XML-definícióját hozza létre, és a definícióban szereplő paraméter vagy argumentum típusa nem egyezik a támogatott típussal.

Felbontás: Győződjön meg arról, hogy az egyéni modul XML-definíciós fájljában található bármely Arg-elem típustulajdonsága támogatott típus.

Kivételüzenetek
Nem támogatott paramétertípus.
Nem támogatott paramétertípus{0} van megadva.

0106-os hiba

Akkor fordul elő, ha egy moduldefiníciós fájl nem támogatott bemeneti típust határoz meg

Ez a hiba Machine Learning akkor keletkezik, ha egy egyéni modul XML-definíciójában szereplő bemeneti port típusa nem egyezik a támogatott típussal.

Felbontás: Győződjön meg arról, hogy az egyéni modul XML-definíciós fájljában található Input elem típustulajdonsága támogatott típus.

Kivételüzenetek
Nem támogatott bemeneti típus.
Nem támogatott bemeneti típus{0} van megadva.

0107-s hiba

Akkor jelenik meg, ha egy moduldefiníciós fájl nem támogatott kimeneti típust határoz meg

Ez a hiba Machine Learning akkor jelenik meg, ha egy egyéni modul XML-definíciójában lévő kimeneti port típusa nem egyezik meg a támogatott típussal.

Felbontás: Győződjön meg arról, hogy az egyéni modul xml-definíciós fájljában található Output elem típustulajdonsága támogatott típus.

Kivételüzenetek
Nem támogatott kimeneti típus.
Nem támogatott kimeneti típus{0} van megadva.

0108-ás hiba

Akkor jelenik meg, ha egy moduldefiníciós fájl a támogatottnál több bemeneti vagy kimeneti portot határoz meg

Ez a hiba Machine Learning akkor jön létre, ha túl sok bemeneti vagy kimeneti port van definiálva egy egyéni modul XML-definíciójában.

Felbontás: Gondoskodik arról, hogy az egyéni modul XML-definíciójában meghatározott bemeneti és kimeneti portok maximális száma ne haladja meg a támogatott portok maximális számát.

Kivételüzenetek
Túllépte a bemeneti vagy kimeneti portok támogatott számát.
Túllépte a támogatott "{0}" portok számát. A "{0}" portok maximális engedélyezett száma ""{1}.

0109-s hiba

A moduldefiníciós fájl által helytelenül definiált oszlopválasztó

Ez a hiba Machine Learning akkor jön létre, ha egy oszlopválasztó argumentum szintaxisa hibát tartalmaz egy egyéni modul XML-definíciójában.

Felbontás: Ez a hiba akkor jön létre, ha egy oszlopválasztó argumentum szintaxisa hibát tartalmaz egy egyéni modul XML-definíciójában.

Kivételüzenetek
Az oszlopválasztó nem támogatott szintaxisa.

0110-s hiba

Akkor jelenik meg, ha egy moduldefiníciós fájl olyan oszlopválasztót határoz meg, amely nem létező bemeneti portazonosítóra hivatkozik

Ez a hiba Machine Learning akkor jelenik meg, ha a ColumnPicker típusú Arg Tulajdonság elemének portId tulajdonsága nem egyezik meg a bemeneti port azonosítóértékével.

Felbontás: Győződjön meg arról, hogy a portId tulajdonság megegyezik az egyéni modul XML-definíciójában definiált bemeneti port azonosítóértékével.

Kivételüzenetek
Az oszlopválasztó nem létező bemeneti portazonosítóra hivatkozik.
Az oszlopválasztó egy nem létező bemeneti portazonosítóra hivatkozik.{0}

0111-s hiba

Az érvénytelen tulajdonságot definiáló moduldefiníciós fájl esetén történik

Ez a hiba Machine Learning akkor jelenik meg, ha érvénytelen tulajdonság van hozzárendelve az egyéni modul XML-definíciójának egyik eleméhez.

Felbontás: Győződjön meg arról, hogy az egyéni modulelem támogatja a tulajdonságot.

Kivételüzenetek
A tulajdonságdefiníció érvénytelen.
A(z) "{0}" tulajdonságdefiníció érvénytelen.

0112-s hiba

A moduldefiníciós fájl nem elemezhető

Ez a Machine Learning hiba akkor jelenik meg, ha az XML-formátum olyan hibát jelez, amely megakadályozza, hogy az egyéni modul XML-definíciója érvényes XML-fájlként legyen elemezve.

Felbontás: Győződjön meg arról, hogy minden elem megfelelően van megnyitva és bezárva. Győződjön meg arról, hogy nincsenek hibák az XML-formázásban.

Kivételüzenetek
A moduldefiníciós fájl nem elemezhető.
A moduldefiníciós fájl ('){0} nem elemezhető.

0113-ás hiba

Akkor jelenik meg, ha egy moduldefiníciós fájl hibákat tartalmaz.

Ez a hiba Machine Learning akkor jön létre, ha az egyéni modul XML-definíciós fájlja elemezhető, de hibákat tartalmaz, például az egyéni modulok által nem támogatott elemek definícióját.

Felbontás: Győződjön meg arról, hogy az egyéni moduldefiníciós fájl definiálja az egyéni modulok által támogatott elemeket és tulajdonságokat.

Kivételüzenetek
A moduldefiníciós fájl hibákat tartalmaz.
A "{0}" moduldefiníciós fájl hibákat tartalmaz.
A "{0}" moduldefiníciós fájl hibákat tartalmaz. {1}

0114-s hiba

Az egyéni modul létrehozása meghiúsul.

Ez a hiba Machine Learning akkor jön létre, ha egy egyéni modul buildelése meghiúsul. Ez akkor fordul elő, ha egy vagy több egyéni modullal kapcsolatos hiba történik az egyéni modul hozzáadásakor. A további hibákról ebben a hibaüzenetben számolunk be.

Felbontás: Hárítsa el a kivételüzenetben jelentett hibákat.

Kivételüzenetek
Nem sikerült egyéni modult létrehozni.
Az egyéni modul buildelése hiba(ok) miatt meghiúsult: {0}

0115-ös hiba

Akkor fordul elő, ha egy egyéni modul alapértelmezett szkriptje nem támogatott kiterjesztéssel rendelkezik.

Ez a hiba Machine Learning akkor fordul elő, ha ismeretlen fájlnévkiterjesztést használó egyéni modulhoz ad meg szkriptet.

Felbontás: Ellenőrizze az egyéni modulban található szkriptfájlok fájlformátumát és fájlnévkiterjesztését.

Kivételüzenetek
Az alapértelmezett szkript nem támogatott kiterjedése.
Nem támogatott fájlbőség {0} az alapértelmezett szkripthez.

0121-s hiba

A SQL írás meghiúsul, mert a tábla nem írható

Ez a Machine Learning hiba akkor jelenik meg, ha az Adatok exportálása modult használja az eredmények egy SQL-adatbázisban lévő táblába való mentéséhez, és a tábla nem írható be. Ez a hiba általában akkor jelenik meg, ha az Adatok exportálása modul sikeresen kapcsolatot létesít az SQL Server-példánnyal, de ezután nem tudja az Azure ML-adathalmaz tartalmát a táblába írni.

Megoldás:

• Nyissa meg az Adatok exportálása modul Tulajdonságok panelét, és ellenőrizze, hogy az adatbázis- és táblanevek helyesek-e.
• Tekintse át az exportált adathalmaz sémáját, és győződjön meg arról, hogy az adatok kompatibilisek a céltáblával.
• Ellenőrizze, hogy a felhasználónévvel és jelszóval társított SQL bejelentkezés rendelkezik-e a táblába való íráshoz szükséges engedélyekkel.
• Ha a kivétel további hibainformációkat tartalmaz SQL Server, akkor ezeket az információkat használva végezze el a javításokat.

Kivételüzenetek
Csatlakoztatva van a kiszolgálóhoz, és nem tud táblába írni.
Nem lehet sql-táblába írni: {0}

0122-s hiba

Kivétel akkor fordul elő, ha több súlyoszlop van megadva, és csak egy engedélyezett.

Ez a hiba Machine Learning akkor fordul elő, ha túl sok oszlop van kijelölve súlyoszlopként.

Felbontás: Tekintse át a bemeneti adatkészletet és annak metaadatait. Győződjön meg arról, hogy csak egy oszlop tartalmaz súlyokat.

Kivételüzenetek
Több súlyoszlop van megadva.

0123-os hiba

Kivétel akkor fordul elő, ha a vektorok oszlopa meg van adva a Címke oszlopban.

Ez a hiba Machine Learning akkor fordul elő, ha egy vektort használ címkeoszlopként.

Felbontás: Szükség esetén módosítsa az oszlop adatformátumát, vagy válasszon másik oszlopot.

Kivételüzenetek
A vektorok oszlopa Címke oszlopként van megadva.

0124-s hiba

Kivétel akkor fordul elő, ha a nem numerikus oszlopok a súlyoszlopként vannak megadva.

Megoldás:

Kivételüzenetek
A nem numerikus oszlop súlyoszlopként van megadva.

0125-ös hiba

Akkor jelenik meg, ha több adathalmaz sémája nem egyezik.

Megoldás:

Kivételüzenetek
Az adathalmazséma nem egyezik.

0126-os hiba

Kivétel akkor fordul elő, ha a felhasználó olyan SQL tartományt határoz meg, amelyet az Azure ML nem támogat.

Ez a hiba akkor jön létre, ha a felhasználó olyan SQL tartományt határoz meg, amelyet a Machine Learning nem támogat. Ez a hibaüzenet akkor jelenik meg, ha olyan tartomány adatbázis-kiszolgálójára próbál csatlakozni, amely nem szerepel az engedélyezett listán. Jelenleg az engedélyezett SQL tartományok a következők: ".database.windows.net", ".cloudapp.net" vagy ".database.secure.windows.net". Ez azt jelent, hogy a kiszolgálónak Azure SQL kiszolgálónak vagy egy Azure-beli virtuális gépen lévő kiszolgálónak kell lennie.

Felbontás: Nyissa meg újra a modult. Ellenőrizze, hogy a SQL adatbázis-kiszolgáló az egyik elfogadott tartományhoz tartozik-e:

• .database.windows.net

• .cloudapp.net

• .database.secure.windows.net

Kivételüzenetek
Nem támogatott SQL tartomány.
A SQL tartomány {0} jelenleg nem támogatott az Azure ML

0127-s hiba

A kép képpontmérete meghaladja az engedélyezett korlátot

Ez a hiba akkor fordul elő, ha képeket olvas egy képadatkészletből besorolás céljából, és a képek nagyobbak, mint amennyit a modell kezelni tud.

Felbontás: A kép méretéről és egyéb követelményeiről az alábbi témakörökben talál további információt:

• Képek importálása

• Előre betanított kaszkádolt képbesorolás

Kivételüzenetek
A kép képpontmérete meghaladja az engedélyezett korlátot.
A fájlban{0} lévő kép képpontmérete meghaladja a megengedett korlátot: "{1}"

0128-ás hiba

A kategorikus oszlopok feltételes valószínűségeinek száma meghaladja a korlátot.

Megoldás:

Kivételüzenetek
A kategorikus oszlopok feltételes valószínűségeinek száma meghaladja a korlátot.
A kategorikus oszlopok feltételes valószínűségeinek száma meghaladja a korlátot. A "{0}" és a "{1}" oszlop a problémás pár.

0129-s hiba

Az adathalmaz oszlopainak száma meghaladja az engedélyezett korlátot.

Megoldás:

Kivételüzenetek
Az adathalmaz oszlopainak száma meghaladja az engedélyezett korlátot.
Az adathalmaz oszlopainak száma a megengedettnél{0} nagyobb.
Az adathalmaz oszlopainak száma a "{0}" értékben meghaladja a megengedett{1} "" korlátot.
Az adathalmaz oszlopainak száma a "{0}" értékben meghaladja a megengedett "{1}" korlátot.{2}

0130-ás hiba

Kivétel akkor fordul elő, ha a betanítási adathalmaz összes sora hiányzó értékeket tartalmaz.

Ez akkor fordul elő, ha a betanítási adathalmaz egy oszlopa üres.

Felbontás: A Hiányzó adatok törlése modullal eltávolíthatja az összes hiányzó értéket tartalmazó oszlopokat.

Kivételüzenetek
A betanítási adathalmaz összes sora hiányzó értékeket tartalmaz. Fontolja meg a Hiányzó adatok törlése modul használatát a hiányzó értékek eltávolításához.

0131-s hiba

Kivétel akkor fordul elő, ha egy zip-fájl egy vagy több adathalmaza nem bontható ki és nem regisztrálható megfelelően

Ez a hiba akkor jelenik meg, ha egy zip-fájl egy vagy több adathalmaza nem bontható ki és nem olvasható megfelelően. Ez a hiba akkor jelenik meg, ha a kicsomagolás sikertelen, mert maga a zip-fájl vagy a benne lévő fájlok egyike sérült, vagy rendszerhiba lépett fel a fájl kibontása és kibontása közben.

Felbontás: A folytatás módjának meghatározásához használja a hibaüzenetben megadott adatokat.

Kivételüzenetek
A tömörített adathalmazok feltöltése nem sikerült
A tömörített adathalmaz {0} a következő üzenettel meghiúsult: {1}
A tömörített adathalmaz {0} nem sikerült, kivéve az {1} üzenetet: {2}

0132-s hiba

Nincs megadva fájlnév a kicsomagoláshoz; több fájl található a zip-fájlban.

Ez a hiba akkor jön létre, ha nem adott meg fájlnevet a kicsomagoláshoz; több fájl található a zip-fájlban. Ez a hibaüzenet akkor jelenik meg, ha a .zip fájl egynél több tömörített fájlt tartalmaz, de nem adott meg kinyerési fájlt az Adathalmaz kicsomagolása szövegmezőbe a modul Tulajdonság paneljén. A modul futtatásakor jelenleg csak egy fájl nyerhető ki.

Felbontás: A hibaüzenet a .zip fájlban található fájlok listáját tartalmazza. Másolja ki a kívánt fájl nevét, és illessze be az Adathalmazba a Szövegdoboz kicsomagolása gombra.

Kivételüzenetek
A Zip-fájl több fájlt tartalmaz; meg kell adnia a kibontandó fájlt.
A fájl egynél több fájlt tartalmaz. Adja meg a kibontandó fájlt. A következő fájlok találhatók: {0}

0133-ás hiba

A megadott fájl nem található a zip-fájlban

Ez a hiba akkor jelenik meg, ha a Tulajdonság panel Adathalmaz kicsomagolása mezőjében megadott fájlnév nem egyezik meg a .zip fájlban található fájl nevével. A hiba leggyakoribb oka egy gépelési hiba, vagy a fájl kibontásához nem megfelelő archív fájl keresése.

Felbontás: Nyissa meg újra a modult. Ha a kibontani kívánt fájl neve megjelenik a talált fájlok listájában, másolja ki a fájlnevet, és illessze be az Adathalmazba a Kicsomagolás tulajdonságmezőbe. Ha nem látja a kívánt fájlnevet a listában, ellenőrizze, hogy a megfelelő .zip fájllal és a kívánt fájl megfelelő nevével rendelkezik-e.

Kivételüzenetek
A megadott fájl nem található a zip-fájlban.
A megadott fájl nem található. A következő fájl(ok) találhatók: {0}

0134-s hiba

Kivétel akkor fordul elő, ha hiányzik a címkeoszlop, vagy nincs elegendő számú címkézett sor.

Ez a hiba akkor fordul elő, ha a modulhoz címkeoszlopra van szükség, de nem vett fel egyet az oszlopkijelölésbe, vagy a címkeoszlopból túl sok érték hiányzik.

Ez a hiba akkor is előfordulhat, ha egy korábbi művelet úgy módosítja az adathalmazt, hogy az alsóbb rétegbeli műveletekhez nem áll rendelkezésre elegendő sor. Tegyük fel például, hogy a Partíció és a Minta modulban egy kifejezést használ az adathalmaz értékek szerinti elosztásához. Ha nem talál egyezést a kifejezéshez, a partícióból származó egyik adatkészlet üres lesz.

Megoldás:

Ha címkeoszlopot is tartalmaz az oszlopkijelölésben, de az nem ismerhető fel, a Metaadatok szerkesztése modullal jelölje meg címkeoszlopként.

Az Adatok összegzése modullal létrehozhat egy jelentést, amely bemutatja, hogy hány érték hiányzik az egyes oszlopokból. Ezután a Hiányzó adatok törlése modullal eltávolíthatja a hiányzó értékeket tartalmazó sorokat a címkeoszlopból.

Ellenőrizze, hogy a bemeneti adathalmazok tartalmaznak-e érvényes adatokat, és elegendő sor van-e a művelet követelményeinek való megfeleléshez. Számos algoritmus hibaüzenetet fog generálni, ha minimális számú adatsort igényelnek, de az adatok csak néhány sort vagy csak fejlécet tartalmaznak.

Kivételüzenetek
Kivétel akkor fordul elő, ha hiányzik a címkeoszlop, vagy nincs elegendő számú címkézett sor.
Kivétel akkor fordul elő, ha a címkeoszlop hiányzik, vagy a címkézett soroknál {0} kevesebb van

0135-ös hiba

Csak a centroid alapú fürt támogatott.

Felbontás: Ez a hibaüzenet akkor jelenhet meg, ha olyan egyéni fürtkezelési algoritmuson alapuló fürtkezelési modellt próbált kiértékelni, amely nem használ centroidokat a fürt inicializálásához.

A Modell kiértékelése funkcióval kiértékelheti a K-Közép fürtözési modulon alapuló fürtözési modelleket. Egyéni algoritmusok esetén az Execute R Script modullal hozzon létre egy egyéni kiértékelési szkriptet.

Kivételüzenetek
Csak a centroid-alapú fürt támogatott.

0136-os hiba

A rendszer nem adott vissza fájlnevet; A nem tudja feldolgozni a fájlt ennek eredményeként.

Megoldás:

Kivételüzenetek
A rendszer nem adott vissza fájlnevet; A nem tudja feldolgozni a fájlt ennek eredményeként.

0137-s hiba

Az Azure Storage SDK hibát észlelt a táblatulajdonságok és az adathalmaz-oszlopok közötti konvertálás során olvasás vagy írás közben.

Megoldás:

Kivételüzenetek
Konvertálási hiba az Azure Table Storage tulajdonság és az adathalmaz oszlopa között.
Konvertálási hiba az Azure Table Storage tulajdonság és az adathalmaz oszlopa között. További információ: {0}

0138-ás hiba

A memória kimerült, és nem sikerült befejezni a modul futtatását. Az adathalmaz méretének csökkentése segíthet a probléma megoldásában.

Ez a hiba akkor fordul elő, ha a futó modul több memóriát igényel, mint amennyi az Azure-tárolóban rendelkezésre áll. Ez akkor fordulhat elő, ha nagy adathalmazzal dolgozik, és az aktuális művelet nem fér el a memóriában.

Felbontás: Ha nagy adathalmazt próbál olvasni, és a művelet nem hajtható végre, az adathalmaz méretének lecsökkentése segíthet.

Ha az adathalmazok vizualizációit használja az oszlopok számosságának ellenőrzésére, csak néhány sorból lesz mintavételezés. Teljes jelentés lekéréséhez használja az Adatok összegzése parancsot. A SQL átalakítás alkalmazásával is ellenőrizheti az egyes oszlopokban található egyedi értékek számát.

Az átmeneti terhelések időnként ehhez a hibához vezethetnek. A géptámogatás is idővel változik. A támogatott adatméret leírását a Machine Learning gyakori kérdések között találja.

Próbálja meg az egyszerű összetevő-elemzést vagy a megadott szolgáltatáskijelölési módszerek egyikét használni, hogy az adathalmazt a funkciókban gazdagabb oszlopok kisebb halmazára csökkentse: Funkciókijelölés

Kivételüzenetek
A memória kimerült, és nem sikerült befejezni a modul futtatását.

0139-s hiba

Kivétel történik, ha egy oszlopot nem lehet más típusra konvertálni.

Ez a hiba Machine Learning akkor fordul elő, ha egy oszlopot egy másik adattípusra próbál konvertálni, de az aktuális művelet vagy a modul nem támogatja ezt a típust.

A hiba akkor is megjelenhet, ha egy modul implicit módon próbál adatokat konvertálni az aktuális modul követelményeinek megfelelően, de az átalakítás nem lehetséges.

Megoldás:

1. Tekintse át a bemeneti adatokat, és határozza meg a használni kívánt oszlop pontos adattípusát, valamint a hibát okozó oszlop adattípusát. Előfordulhat, hogy az adattípus helyesnek tűnik, de azt tapasztalja, hogy egy felsőbb rétegbeli művelet módosította egy oszlop adattípusát vagy használatát. A Metaadatok szerkesztése modullal visszaállíthatja az oszlop metaadatait az eredeti állapotába.

2. A modul súgóoldalán ellenőrizheti a megadott művelet követelményeit. Határozza meg, hogy az aktuális modul mely adattípusokat támogatja, és hogy milyen értéktartomány támogatott.

3. Ha az értékeket csonkolni, kerekíteni vagy kiugró értékeket el kell távolítani, a Matematikai műveletek alkalmazása vagy az Értékek kivágása modullal végezze el a javításokat.

4. Gondolja át, hogy lehetséges-e az oszlopot más adattípusra konvertálni vagy átalakítani. A következő modulok mind jelentős rugalmasságot és teljesítményt nyújtanak az adatok módosításához:

   • SQL-átalakítás alkalmazása
   • R-szkript végrehajtása
   • Python-szkript végrehajtása.

Megjegyzés

Még mindig nem működik? Érdemes lehet további visszajelzést küldeni a problémáról, hogy jobb hibaelhárítási útmutatót fejlesshessünk ki. Egyszerűen küldjön visszajelzést erről az oldalról, és adja meg a hibát okozó modul nevét és a sikertelen adattípus-konverziót.

Kivételüzenetek
A konvertálás nem engedélyezett.
A konvertálás nem sikerült: {0}.
Nem sikerült átalakítani: {0}, sor {1}.
Nem sikerült a típusoszlopot {0} a sor {2}típusoszlopává {1} alakítani.
A "" típusú {0} oszlop{2} nem konvertálható a sor {3}típusoszlopává{1}.
Nem sikerült a "" típusú oszlopot{2} a sor {4}típusának {1} "{3}" oszlopává {0} alakítani.

0140-s hiba

Kivétel történik, ha az átadott oszlophalmaz-argumentum nem tartalmaz más oszlopokat, kivéve a címkeoszlopot.

Ez a hiba akkor fordul elő, ha olyan modulhoz csatlakoztat egy adatkészletet, amelyhez több oszlopra van szükség, beleértve a funkciókat is, de csak a címkeoszlopot adta meg.

Felbontás: Válasszon ki legalább egy olyan funkcióoszlopot, amely szerepel az adathalmazban.

Kivételüzenetek
A megadott oszlopkészlet nem tartalmaz más oszlopokat a címkeoszlopon kívül.

0141-s hiba

Kivétel történik, ha a kategorikus és sztringoszlopokban a kijelölt numerikus oszlopok és egyedi értékek száma túl kicsi.

Ez a hiba Machine Learning akkor fordul elő, ha nincs elegendő egyedi érték a kijelölt oszlopban a művelet végrehajtásához.

Felbontás: Egyes műveletek statisztikai műveleteket hajtanak végre a jellemző- és kategorikus oszlopokon, és ha nincs elég érték, a művelet meghiúsulhat, vagy érvénytelen eredményt adhat vissza. Ellenőrizze az adatkészletben, hogy hány érték található a fature és a label oszlopban, és állapítsa meg, hogy a végrehajtani kívánt művelet statisztikailag érvényes-e.

Ha a forrásadatkészlet érvényes, akkor azt is ellenőrizheti, hogy egy felsőbb rétegbeli adatmanipuláció vagy metaadat-művelet módosította-e az adatokat, és eltávolított-e néhány értéket.

Ha a felsőbb rétegbeli műveletek között szerepel a felosztás, a mintavételezés vagy az újramintavétel, ellenőrizze, hogy a kimenetek tartalmazzák-e a sorok és értékek várt számát.

Kivételüzenetek
A kategorikus és sztringoszlopokban a kijelölt numerikus oszlopok és egyedi értékek száma túl kicsi.
A kategorikus és sztringoszlopokban kijelölt numerikus oszlopok és egyedi értékek teljes számának (jelenleg {0}) legalább {1}

0142-s hiba

Kivétel történik, ha a rendszer nem tudja betölteni a tanúsítványt a hitelesítéshez.

Megoldás:

Kivételüzenetek
A tanúsítvány nem tölthető be.
A tanúsítvány {0} nem tölthető be. Az ujjlenyomata {1}.

0143-ás hiba

Nem elemezhető a felhasználó által megadott URL-cím, amely a GitHub-ból származik.

Ez a hiba Machine Learning akkor fordul elő, ha érvénytelen URL-címet ad meg, és a modulnak érvényes GitHub URL-címet kell megadnia.

Felbontás: Ellenőrizze, hogy az URL-cím érvényes GitHub adattárra hivatkozik-e. Más webhelytípusok nem támogatottak.

Kivételüzenetek
Az URL-cím nem github.com.
Az URL-cím nem github.com: {0}

0144-s hiba

A felhasználó által megadott GitHub URL-címből hiányzik a várt rész.

Ez a hiba Machine Learning akkor fordul elő, ha érvénytelen URL-címformátummal ad meg GitHub fájlforrást.

Felbontás: Ellenőrizze, hogy a GitHub-adattár URL-címe érvényes-e, és \blob\ vagy \tree\ végződésű-e.

Kivételüzenetek
Nem elemezhető GitHub URL-cím.
Nem lehet elemezni GitHub URL-címet (az adattár neve után a "\blob\" vagy a "\tree\" kifejezés szerepel):{0}

0145-ös hiba

Valamilyen okból nem hozható létre a replikációs könyvtár.

Ez a hiba Machine Learning akkor fordul elő, ha a modul nem tudja létrehozni a megadott könyvtárat.

Megoldás:

Kivételüzenetek
Nem hozható létre replikációs könyvtár.

0146-os hiba

Ha a felhasználói fájlok ki vannak csomagolva a helyi könyvtárba, előfordulhat, hogy a kombinált elérési út túl hosszú.

Ez a hiba a Machine Learning akkor fordul elő, amikor fájlokat nyer ki, de egyes fájlnevek túl hosszúak, ha ki vannak csomagolva.

Felbontás: Szerkessze a fájlneveket úgy, hogy az egyesített elérési út és fájlnév legfeljebb 248 karakter hosszúságú legyen.

Kivételüzenetek
A replikációs útvonal hosszabb 248 karakternél, és lerövidíti a szkript nevét vagy elérési útját.

0147-s hiba

Valamilyen okból nem sikerült letölteni a dolgokat a GitHub-ból

Ez a hiba Machine Learning akkor fordul elő, ha nem tudja elolvasni vagy letölteni a megadott fájlokat GitHub.

Felbontás: A probléma ideiglenes lehet; előfordulhat, hogy egy másik időpontban megpróbál hozzáférni a fájlokhoz. Vagy ellenőrizze, hogy rendelkezik-e a szükséges engedélyekkel, és hogy a forrás érvényes-e.

Kivételüzenetek
GitHub hozzáférési hiba.
GitHub hozzáférési hiba. {0}

0148-ás hiba

Jogosulatlan hozzáféréssel kapcsolatos problémák az adatok kinyerése vagy a címtár létrehozása során.

Ez a hiba Machine Learning akkor fordul elő, ha címtárat próbál létrehozni, vagy adatokat olvas a tárolóból, de nem rendelkezik a szükséges engedélyekkel.

Megoldás:

Kivételüzenetek
Jogosulatlan hozzáférési kivétel az adatok kinyerése során.

0149-s hiba

A felhasználói fájl nem létezik GitHub csomagban.

Ez a hiba Machine Learning akkor fordul elő, ha a megadott fájl nem található.

Megoldás:

Kivételüzenetek
GitHub fájl nem található.
GitHub fájl nem található.:{0}

0150-ös hiba

A felhasználói csomagból származó szkripteket nem lehetett kibontani, valószínűleg GitHub fájlok ütközése miatt.

Ez a hiba Machine Learning akkor fordul elő, ha egy szkript nem nyerhető ki, általában akkor, ha egy meglévő fájl azonos nevű.

Megoldás:

Kivételüzenetek
Nem lehet kibontani a csomagot; lehetséges névütközés GitHub fájlokkal.

0151-ös hiba

Hiba történt a felhőtárhelyre való íráskor. Ellenőrizze az URL-címet.

Ez a hiba Machine Learning akkor fordul elő, amikor a modul adatokat próbál meg írni a felhőbeli tárolóba, de az URL-cím nem érhető el vagy érvénytelen.

Megoldás: Ellenőrizze az URL-címet, és ellenőrizze, hogy írható-e.

Kivételüzenetek
Hiba történt a felhőbeli tárolóba való íráskor (valószínűleg hibás URL-cím).
Hiba történt a felhőtárhelyre való íráskor: {0}. Ellenőrizze az URL-címet.

0152-s hiba

Az Azure-felhőtípus helytelenül lett megadva a modulkörnyezetben.

Kivételüzenetek
Hibás Azure-felhőtípus
Hibás Azure-felhőtípus: {0}

0153-os hiba

A megadott tárolási végpont érvénytelen.

Kivételüzenetek
Hibás Azure-felhőtípus
Rossz Storage végpont:{0}

0154-ös hiba

A megadott kiszolgálónév nem oldható fel

Kivételüzenetek
A megadott kiszolgálónév nem oldható fel
A megadott .documents.azure.com kiszolgáló {0}nem oldható fel

0155-ös hiba

A DocDb-ügyfél kivételt jelzett

Kivételüzenetek
A DocDb-ügyfél kivételt jelzett
DocDb-ügyfél: {0}

0156-os hiba

Rossz válasz a HCatalog-kiszolgálóra.

Kivételüzenetek
Rossz válasz a HCatalog-kiszolgálóra. Ellenőrizze, hogy minden szolgáltatás fut-e.
Rossz válasz a HCatalog-kiszolgálóra. Ellenőrizze, hogy minden szolgáltatás fut-e. Hiba részletei: {0}

0157-ös hiba

Inkonzisztens vagy eltérő dokumentumsémák miatt hiba történt az Azure Cosmos DB-ből. Az Olvasó megköveteli, hogy minden dokumentum ugyanazzal a sémával rendelkezzen.

Kivételüzenetek
Különböző sémákkal rendelkező dokumentumokat észlelt. Győződjön meg arról, hogy minden dokumentum ugyanazzal a sémával rendelkezik

1000-s hiba

Belső tárkivétel.

Ez a hiba az egyébként nem kezelt belső motorhibák rögzítésére szolgál. Ezért a hiba oka a hibát létrehozó modultól függően eltérő lehet.

Ha további segítségre van szüksége, javasoljuk, hogy tegye közzé a hibát kísérő részletes üzenetet a Machine Learning fórumban, a forgatókönyv leírásával együtt, beleértve a bemenetként használt adatokat is. Ez a visszajelzés segít a hibák rangsorolásában és a további munka legfontosabb problémáinak azonosításában.

Kivételüzenetek
Tárkivétel.
Tárkivétel: {0}
{0} tárkivétel: {1}

További segítség

Modul hibakódjai

További segítségre vagy hibaelhárítási tippekre van szüksége Machine Learning? Próbálja ki az alábbi erőforrásokat:

• Hibaelhárítási útmutató: Machine Learning-munkaterület létrehozása és kapcsolódás a Machine Learning-munkaterülethez
• Machine Learning gyakori kérdések (GYIK)